本地跑模型还不够：Dylan Couzon 用无人机解释为什么 AI 记忆也该归你

导读

把模型搬到个人设备后，助手仍可能忘掉用户多次纠正过的偏好。Qdrant 的 Dylan Couzon 主张把长期记忆与模型分开，由用户控制写入、检索和遗忘，使更换模型或设备时仍能保留过去的经验。他用离线无人机视频演示：系统检测物体，把图像、标签和时间写入本地向量存储；搜索咖啡桌时，再返回相关画面和出现时间，无须回放整段视频。个人助手可以用类似方式找回偏好和失败路径，不过只保存不筛选会让记录越来越难用，旧信息也需要降权或删除。迁移还依赖兼容的向量表示，换 embedding 模型通常需要用原始资料重新编码；本地存储把备份、恢复和访问控制交给使用者。Dylan 希望分享记录时由用户主动选择，而非默认上传。