AI 记忆的“第三层”：用“哈勃半径”构建个人信息宇宙
当AI助手能记住你上周的会议记录，也能从全网搜索答案时，它依然可能对你的真正意图一无所知。近日，AI领域研究者“评论尸”提出一个名为“哈勃半径”的AI记忆层概念，试图解决这一核心痛点。这个构想并非简单的功能迭代，而是对AI认知边界的重新定义——它不是让AI记住你知道什么，而是让它理解你“可能知道”什么。
三层记忆架构：从碎片事实到认知视野
在“评论尸”的实践中，AI的记忆被分为三个层次。第一层是“我知道的”，通过RAG切片系统存储用户近期行为、想法等碎片化事实（每条≤200字），构成短期情景记忆。第二层是“我应该知道的”，由LLM Wiki将碎片结构化，形成可生长的知识网络，揭示用户长期关注议题的演变逻辑。
而核心的创新在于第三层——“哈勃半径”。它覆盖了用户主动关注但尚未消化的海量信源（如2000+订阅的公众号、播客、X账号），通过私有搜索引擎Meilisearch（已索引1万+文档，以每周2000条的速度增长）实现后置召回。这意味着，AI不仅能检索你已经消化的信息，还能在你的“信息宇宙”中巡逻，调用那部分你甚至没来得及看的“未读暗物质”。
对抗“公共搜索平均值”：个性化的权重革命
“哈勃半径”与公共搜索引擎的本质差异在于相关性优先于覆盖率。公共搜索回答“全网有什么”，而哈勃半径回答“在我的宇宙里有什么”。例如，当用户搜索“AI陪伴”时，结果会因用户关注的是游戏、心理还是投资领域而截然不同。AI可以识别不同信源在用户世界中的权重（如信任度、噪音值），从而避免公共搜索将复杂语义压平的“平均化”问题。
研究数据显示，用户对订阅内容的实际阅读率不足1%，但AI能将剩余99%的未读内容转化为可调用的“信息暗物质”。这种范式转变的核心在于将信息消费的压力从人转移到AI，让AI从单纯的记忆工具进化为理解用户视野的认知代理。
技术壁垒与未来门槛
实现这一构想需要一套精巧的私有化基础设施：通过FreshRSS聚合多平台内容，输入Meilisearch建立毫秒级响应搜索库，再通过Cloudflare Worker提供API中转，最终集成至Notion AI等Agent。其核心设计原则是“边界清晰优于盲目扩展”——需要人工持续筛选信源，维护代表用户认知偏好的“注意力史”。
对于普通用户，构建简化版的“哈勃半径”并非遥不可及：只需整理一份高质量的RSS列表或跨平台收藏夹，并持续维护信源权重。这一概念的最大启示在于，AI能力的上限不再取决于模型参数，而在于它能否正确映射我们与世界的连接方式。当AI真正拥有用户的“视野”时，它才能从工具蜕变为我们认知世界的主体性延伸。
