AI Memory 是什麼？為什麼你的 AI 客服每次都像初次見面
AI 記憶分 Session Memory 和 Persistent Memory 兩層。大部分 AI 客服只有第一層——對話結束就全忘。記得不等於理解，這篇說清楚差別在哪。
你的 AI 客服上線了。第一天表現不錯。但客戶第三次來問同一件事，AI 還是用一模一樣的語氣，問了一樣的確認問題。
客戶覺得怪。你覺得怪。但你叫不出哪裡怪。
這不是 AI 不夠聰明。這是 Memory 的問題。
TL;DR
- AI 的記憶和人的記憶，是完全不同的結構
- Session Memory：這次對話記得，關掉就忘
- Persistent Memory：跨對話的筆記，但記得不等於理解
- 大部分 AI 客服是沒有 Memory 的——每次對話都是第一次見面
- 有 Memory 不代表 AI 會「懂你」；Memory 解決的是儲存問題，不是判斷問題
- 台灣品牌常見的 Memory 誤區：以為裝了某個 SaaS 就「解決了」
先說一個我自己的觀察
我在 Claude Chat 模式混用了快半年。
這半年我發現一件事：Claude 比我記得我。
3 個月前我做了什麼、我喜歡用什麼語氣寫東西、我在乎什麼，Claude 都記得，比任何人類朋友都準確。
但後來我搬到一個新的對話視窗，跟「新的 Claude」說話。
我發現：它知道結論，不知道為什麼是這個結論。
這就是 Memory 的邊界。
Memory 有幾種？
搞清楚這件事，對你選 AI 客服工具很有幫助。
Session Memory（對話內記憶）
這次對話裡發生的事，AI 都記得。你說「我叫王小明」，後面再問它，它還是知道你叫王小明。
但是——
對話結束，一切歸零。
下次開新對話，AI 不知道你叫王小明。不知道你上次問過什麼。不知道你是老客戶還是新客戶。
大部分的 AI 客服，都只有這一層。
Persistent Memory（跨對話記憶）
這種 Memory 是把重要的事情存起來，下次對話的時候再拿給 AI 看。
技術上有幾種做法： - 把「摘要」存到資料庫，每次對話開始時附進去 - 用 RAG 的方式，把歷史對話當知識庫 - 讓 AI 自己決定什麼值得記、什麼可以忘
聽起來很厲害。但有個根本的問題。
記得不等於理解
我用一個比喻。
你媽媽記得你三歲說過的某句話，記了五十年。她沒有刻意記。是她的判斷系統告訴她，那句話值得留下來。
AI 的 Memory 不是這樣運作的。
它比較像這樣：每次對話開始前，有人遞給 AI 一張紙條，上面寫著「上次這個客戶問過退貨問題，情緒有點激動」。
AI 讀了紙條，回應，然後這個「AI」消失。
下次對話，新的 AI 出現，再遞紙條。
每次都是一滴新的水。Memory 是紙條，不是河。
所以 AI 可以知道你上次很激動，但它不會真的「懂」為什麼這個客戶容易激動、這種情緒背後是什麼模式。那需要的是判斷，不是記憶。
台灣 AI 客服的常見誤區
我觀察到幾個很常見的狀況：
誤區一：以為「有 memory 功能」就解決了
很多 SaaS 都說自己有 Memory。但「記得客戶說過什麼」和「能用這件事做出更好的判斷」，差距非常大。
誤區二：把 CRM 資料丟給 AI 就叫做有記憶
把客戶的購買紀錄、投訴紀錄接進去，AI 是可以看到這些資料。但如果 AI 不知道怎麼「用」這些資料，看了等於沒看。
這是 Prompt 設計的問題，不是 Memory 的問題。
誤區三：期待 AI 自動「學習」
AI 客服不會因為對話次數增加就變聰明。它沒有在學習。它每次都是拿著同一份知識庫在回答問題。
想讓它變聰明，是要人工去更新知識庫，不是等它自己長大。
那，AI 客服的 Memory 應該怎麼做？
以下是薩摩在建置 AI 客服時的實務做法，不是教科書，是我們真的在跑的：
第一層：對話內 context 管理
讓 AI 在同一個對話裡知道「這個客戶剛才說了什麼」，避免重複問問題。這是最基本的，也是最多客戶抱怨的地方。
第二層：重要事件標記
不是把全部對話都存起來，而是讓系統識別「有意義的事件」——投訴、成交意圖、特殊需求——然後存起來，下次對話時附給 AI 參考。
第三層：客戶輪廓更新
把累積的行為模式，轉成可讀的描述。不是流水帳，是摘要。AI 讀摘要比讀流水帳有效。
這三層加在一起，才能讓客戶感覺到「這個 AI 記得我」。
為什麼這件事很重要？
因為客服的本質是關係。
不是回答問題。是讓客戶覺得他被記得、被重視。
人類客服做得好，靠的是記憶加上判斷。但換了一個客服，也會又變得不一樣了。
AI 客服現在能做的是：記憶接近了，判斷還差一截。
但光是把記憶做好，已經可以把大部分競爭對手甩開。
小結
| Session Memory | Persistent Memory | |
|---|---|---|
| 範圍 | 這次對話 | 跨對話 |
| 消失時機 | 對話結束 | 不會（除非刪除） |
| 能做到 | 不重複問同樣問題 | 記得老客戶 |
| 做不到 | 跨對話的連貫感 | 真正理解客戶 |
| 台灣 AI 客服現況 | 大部分有 | 少數有，品質參差 |
Memory 是基礎建設，不是 AI 客服的終點。
但很多人連基礎建設都沒做好就上線了。
如果你的 AI 客服每次都像初次見面，先從這裡查起。
薩摩創意的 AI 同事服務，包含三層記憶架構的設計與建置。了解更多
FAQ
Q：我用 ChatGPT 做客服，它有 Memory 功能，這樣算嗎？
ChatGPT 的 Memory 是設計給個人用戶的功能，不是客服場景的 Memory 架構。兩件事不一樣。直接把 ChatGPT 接成客服，有很多其他問題，這篇有細講。
Q：Memory 需要多少工程量？
看你要做到哪一層。第一層（對話內 context）幾乎不需要額外工程。第二、三層需要資料庫設計和後端邏輯，但不需要很複雜的技術。難的是設計：什麼值得記、記成什麼格式、怎麼遞給 AI。
Q：用戶的對話紀錄存起來，有隱私問題嗎？
有，而且很多品牌沒認真想這件事。存什麼、存多久、怎麼處理刪除請求，要在建置前就設計清楚。這是法律問題，不只是技術問題。