嗨,大家好,这里是顽皮的程序员。前几期我们聊了 ai 记忆系统面临的五大困境,从今天开始,我们进入新的篇章,认知基础篇, 我们要找到好的解决方案。我们得首先理解人类记忆是怎么工作的,为什么要研究人类记忆呢?因为人类记忆系统是经过数百万年进化打磨出来的,他们非常的高效、准确、灵活。如果我们能让 ai 记忆系统像人脑一样进行工作,那么很多问题自然就迎刃而解了。 认知心理学研究表明,人类的记忆并不是铁板一块,而是由多个相互作用的子系统构成了复杂的层级结构。那我们今天来给大家一一拆解一下。 第一种记忆就是感知记忆,这是最底层最短暂的记忆形式。当你看到一幅画,听到一段声音,这些信息首先会进入我们的感知记忆系统, 它持续时间非常的短,通常呢只有几百毫秒到几秒钟的时间,如果不被注意到,那么很快他就会被消失掉。比如你现在看到窗外,你能看到很多景象,树木、建筑、行人。但是我要求你闭上眼睛回忆你刚刚看到了什么。你可能只能说出少数几样东西,那些没有被你注意到的信息瞬间就消散了。 那么对应到 ai 系统中,这是什么呢?这个其实就是实时的输入流和短暂的缓冲区,用户发送的消息,系统接收到的指令。这些信息首先进入的就是我们的感知记忆层。那么第二种就是工作记忆, 这是用于暂时存储和操作信息的系统,它的容量非常有限,心理学上有著名的叫法叫做七加减二,意思呢?工作记忆通常只能同时处理五到九个复杂的句子时,你依赖的就是工作记忆。 那么比如我让你计算二十三乘以十七,需要在脑子里暂时存储这两个数字,然后进行后台预算,最后得出这个结果。完成预算以后,这些数字可能就从你的记忆中完全的消失掉了。 在 ai 的 系统中,工作记忆对应的就是当前对话的上下文和正在处理的中间结果模型,能够记住的内容有限,这个有限其实跟人类工作记忆的容量限制是相类似的。 第三种是情景记忆,这个记忆存储的是个人生活中的具体事件和经历,比如说你昨天干了什么,你上次旅行去了哪里,你和某个人谈话的内容等等。 那么情景记忆的特点是它与特定的时间、地点或者情感联系在一起,当你回忆起某件事情的时候,往往能回忆起当时特别的环境,当时的心情,当时的天气等等。 那么在 ai 系统中,情景记忆对应的就是与用户交互的历史记录,用户之前说过什么,讨论过什么项目,做过什么样的决策,这些都应该被记录下来。第四种就是语义记忆,这种记忆存储的是抽象的知识概念以及这些事实。比如说水的化学式是 h r o, 法国的首都是巴黎,勾股定律是 a 方加 b 方等于 c 方,那么这种记忆完全不受时间限制,是你理解这个世界的基础,你不需要记住是什么时候,在哪里学到这些知识的,它就存在那里。 在 ai 的 系统中,语义记忆对应的就是结构化的知识库和事实库,这些是相对稳定的,是被反复调用的基础知识。 那第五种记忆呢?就是程序记忆,这种记忆存储的是技能和习惯,比如说骑自行车,比如说打字,比如说游泳,比如说弹钢琴,这一类记忆的特点是自动执行,一旦你形成了以后,完全不需要在意识层面做努力,就可以完全执行。 那你想想,你骑自行车的时候,你会先刻意的去想,我要踩下左脚,然后再踩下右脚吗?你需要刻意的去做,握住手把保持平衡吗?不会,对不对,你的身体自动就知道应该这么做,这就是程序记忆,它的起作用。 那么在 ai 系统中,程序记忆对应的就是 agent 的 行为模式和写作习惯。比如遇到这一类问题应该怎么去处理?和那一个模型的写作时,我们应该怎么配合?这些都应该形成自动化的流程。那好,我们了解了这五种记忆类型,我们现在就来思考一个问题, 为什么人脑要这样进行分层的存储呢?那核心原因就两个,第一个就是为了效率,不同类型的记忆有不同的方式进行存储和调用,可以非常大大的提升我们的存储效率。 比如说工作记忆容量小,但是速度非常快,适合处理当前的任务,那么羽翼记忆容量大,又调用慢,需要存储这些长期的知识。第二个好处就是精准,分层存储可以让记忆的提取非常的准确,当你要回忆某一个具体事件的时候,就去情景记忆里找, 当你需要找某一个具体知识的时候,就去羽翼记忆里边去找,不用每一次都扫描所有的记忆。这些对于 ai 系统的记忆设计有没有什么启示呢?我觉得最核心的启示就是 ai 的 记忆系统也应该进行分层设计,不是把所有的信息全部塞到一个超长的上下文窗口里边,而是根据信息的性质和用途 存储在不同的层级里。实时对话放在工作记忆层,历史的交互放在情景记忆层,知识事实放在语义的记忆层,行为和习惯放在程序记忆层。那这样的话,当 ai 需要处理任务的时候,可以根据任务类型,精准地从对应的层级里边提取到信息,而不是每一次都需要全部的记忆。 那这就是我们后面要讲的五层记忆架构的设计灵感来源。下一期我会给大家介绍一个特别有意思的概念记忆宫殿,看一看古罗马人的智慧怎么启发我们现在设计记忆的存储结构,我们下一期再见。
粉丝287获赞1212
![OpenClaw的无限记忆:底层揭秘 史上首个能‘左脚踩右脚’、自我进化的 AI 系统!OpenClaw 到底是凭什么‘越用越聪明’的? [评论区自取架构图]
#Openclaw #AI #程序员](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/d19e601f8e54033ef8b6c85f5462c058~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2091812400&x-signature=lnmQinYi4lknQwoiO1lh7RLAR4w%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=20260418031902D3EAD8FCE2B90E8491DC)
大家好啊,大家可能都听说过 openclaw 这个 ai 代理,都说它有个超级厉害的功能,就是差不多无限的记忆力。但这到底是怎么回事呢?它究竟是怎么做到的?今天啊,咱们就来一起把它底层的秘密给扒一半儿。 我们先来聊一个大家可能都碰到过的问题,你想想现在这些 ai 是 不是很聪明?没错,但他们都有个通病,就是特别健忘。你跟他聊了半天,过一会他可能就把前面说的关键信息给忘了。那么问题来了, open call 是 怎么解决这个老大难问题的呢? 好,那咱们今天就分几步走,把这说缩清楚。首先我们得明白这个所谓的无限记忆到底难在哪。然后呢,我们会深入看看他的两大核心策略,一个是对话栽秧压缩,另一个是混合记忆解锁。 最后还会给大家分享一个进阶玩法,叫分主题记忆,咱们一步步来。好,咱们先看第一部分 这个挑战,也就是为什么 ai 会忘事儿。这其实是所有强大 ai 模型都绕不开的一个坎儿。这个问题的根源呐,其实就出在一个叫上下文框的东西上, 你可以把它想象成 ai 的 短期记忆,或者说就像一块儿小黑板,能记的东西就那么多。 if 是 有限的,一旦写满了,要想记新的东西,就必须得把最旧的那些给擦掉,这就是 ai 健忘的根本原因。 那好,既然上下文窗口这个小老忘事, open chloe 是 怎么应对的呢? 它的第一招就是所谓的对话栽药压缩,这个技术全名叫绘画压缩,说白了,它其实是在模仿我们人脑的工作方式, 你想想,我们自己也不会把上周的每句话都记得一清二楚,对吧?我们记住的是大概意思是核心内容。嗯, open quote 做的就是这个事儿, 这里面有个特别关键的数字,就是百分之七十。你看,当这个对话越来越长,马上就要把那个小黑板写满了, openclo 不 会简单粗暴地把最开始的内容擦掉,它会做一件更聪明的事,它会把最早的那百分之七十的对话内容自动生成一个摘药。 所以你看,整个过程其实就这四步非常清晰。第一步,对话越来越长,快到极限了。第二步,系统自动定位到最早的那百分之七十的消息。 第三步, ai 自己给这部分内容写个总结。最后一步,也是最关键的一步,用这个短短的总结替换掉原来那一大段对话。你看,这样一来,空间不就腾出来了吗?而且关键信息还没丢,对话还能继续下去。 好,刚才说的那个方法解决了当下的记忆问题,但还有一个更难的呢,就是怎么记住几周甚至几个月前我们聊过的事。光靠压缩对话肯定是不够的,这时候就需要一个更强大的东西了,也就是他的长期记忆系统。 这句话其实点透了 open cloud 的 设计哲学,你看,他们不觉得记忆这事光靠写几个聪明的体式词就能搞定。不,他们把它看成一个基础设施问题,也就是说,得给 ai 搭一个专门用来存东西、找东西的系统,一个真正坚固的系统。 具体是怎么做的呢?你看,它会把长期记忆存在一个文件里,就好像一个数字日记本,但如果这个日记本越写越厚,比如超过了五万个词源,那每次都从头到尾读一遍,也太慢了,对吧?所以系统这时候就会换个策略,它不读了, 改成在里面搜索需要的信息。而且它的搜索方式也不是普普通通的搜索,而是所谓的混合搜索。这算是它的一个秘密武器了,它把两种搜索方式结合在了一起。一种呢,就是我们很熟悉的关键词搜索,你要找个特定的名字呀,代码呀,用这个最准。 但另一种就更高级了,叫语义搜索,它不是找一模一样的词,而是去理解你这句话背后的意思和概念。 那这两种搜索方式怎么配合呢?诀窍就在于这个权重分配。你看他把七十百分之的权重给了能理解意思的语义搜索,然后把三十百分之的权重给了找精确词语的关键词搜索,就是这么个七十三十的黄金比例,让他讲回来的心系又准又相关。 好到这短期记忆和长起记忆的问题都解决了,但还没完,咱们再来看一个更高级的玩法, 这个技巧能让整个记忆系统从一个乱糟糟的笔记推变成一个井井有条的图书馆。你想啊,就算搜索功能再强,如果所有的记忆,不管是什么内容,全都堆在一个文件里,时间长了肯定会出问题。 就就好比你把工作、学习、生活所有科目的笔记都记在同一个本子上,最后的结果就是找东西又慢又费劲,还老是翻到一些不相干的内容。 所以 openclo 提供了一个特别简单但又非常强大的升级方案,就是别再用一个大文件了,把它拆开,你可以建一个专门放记忆的文件夹,然后按不同主题创建不同的文件。 比如一个文件专门记项目 a 的 资料,另一个文件记浏览器自动化的笔记。你看,之前是所有东西混在一起,现在呢,分门别类,一目了然。 这么做的好处可以说是立竿见影的。首先,命中率高了,因为它只在相关的那个小文件里找。 其次,速度也快了,不用加载那个庞大的主机文件,而且每个主题的知识可以独立增加,互不干扰,管理起来也方便多了。这就好比你从大海捞针变成了去图书馆按分类号找书,效率完全不是一个量级。 所以咱们来回顾一下。 opencloud 的 无限记忆其实是一个三层组合拳,第一层用绘画压缩来解决短期记忆的燃眉之急。第二层用混合检查来打造一个精准强大的长记记忆库。 第三层再用分主题记忆这个高级技巧,把整个记忆库整理得井井有条。这三者结合起来,就构成了一个动态的、多层次的、能和你一起成长的记忆系统。 那么这一切其实把我们引向了一个更大的思考,当 ai 真的 拥有了近乎完美的记忆力之后,下一个重大的技术突破会是什么呢? 试想一下,如果你的 ai 伙伴真的能记住你们之间所有的一切,从不遗忘,那我们和技术互动的方式又会发生怎样翻天覆地的变化呢?这个问题留给大家一起思考,感谢收看!

嘿,大家好,今天咱们来聊一个特别有意思的话题。我们都知道 ai 聊天机器人很厉害,但怎么才能让他从一个简单的问答工具,真正进化成一个能记住你的,懂你的智能助手呢?关键就在于给他装上一个持久的记忆, 你肯定有过这种体验吧,跟一个智能助手聊得好好的,你刚说完一件,下一句他就忘得一干二净,又得从头再来。哇,那种感觉真的就像在跟一条只有七秒记忆的金鱼说话,太让人抓狂了,这背后到底是怎么回事呢? 好,为了把这事彻底搞明白,我们今天就按这个思路来,先看看为啥 ai 会这么健忘。然后呢,讲讲到底什么是记忆管理, 再把它拆开,看看它的三种不同形态。接着我们会看看现在最火的两个框架是怎么做的。最后再总结一下,为啥说记忆对 ai 的 未来那么那么重要。 好了,那我们就这正式开始。第一部分,咱们就来揭开 ai 交互背后那个最大的痛点。问题的根源其实就出在这个词儿上,无状态。听起来好像有点儿专业,但说白了就是 ai 没心没肺。 对一个无状态的 ai 来说,你跟他的每一次对话都是一次全新的开始,他根本不记得你上一秒中说了什么。所以啊,咱们才会觉得聊天老是断片,不够连贯, 那么有办法解决吗?当然有!怎么才能让 ai 从记性不好的精语进化成过目不忘的大象呢?这就要引出我们今天最核心的概念了,记忆管理。 所谓的记忆管理,你可以把它理解成一套方法论,一套给 ai 安装大脑的设计图,有了它, ai 智能体就能把过去的对话信息给存起来,用起来,这样一来,对话就不再是一个个孤立的点,而是能连成一条线了, 它才能真正听懂你的弦外之音,去完成那些需要好几个步骤才能搞定的复杂任务。那 ai 的 这个记忆到底长什么样呢?它的内部结构是怎么组织的?跟 咱们人类的记忆有什么不一样?接下来我们就把它拆开来看看,我们会参考一下谷歌的那个智能体开发工具包,也就是 adk, 看看它是怎么给 ai 的 记忆分层的。 首先是第一层叫绘画,你就把它想成是 ai 的 短期记忆,它干的活儿就是记录你跟它从开始聊天到结束的这一次完整对话,就像我们跟朋友随便聊几句,这期间所有的信息都属于这个绘画的范围。 紧接着是第二层叫状态,如果说绘画是整个聊天的记录,那状态就更像一个随手用的便签条或者记事本。 你想想,比如你要订一张机票,你得告诉 ai 目的地、时间、预算,这么多信息, ai 就 得用这个状态把它们临时记下来,传来传去,这样才能保证任务不出错。 最后也是最厉害的一层,就是真正的记忆,这才是 ai 的 长期记忆库,它一般有一个专门的记忆服务来管理,能存下那些跨越了很多次对话的核心信息,比如说你的名字,你的喜好,你以前买过什么东西等等。 有了这一层, ai 才算是真正的认识你了。理论听起来好像挺明白的,那在实际开发中,工程师们是怎么把这些记忆系统给搭出来的呢?好,咱们进入实践部分,来看看现在市面上最主流的两个开发框架是怎么干这个活的。 我们能看到两种完全不同的思路,一边呢,是谷歌的 adk, 它更像是一套乐高积木,它 给你准备好了各种结构化的模块儿,你只要按照说明书把像绘画状态这些积木块儿搭起来,就能清晰地做出一个记忆系统,这种方式特别适合需要快速规范开发的应用。而另一边儿呢,是 landchain 和 landgraff, 它给你的更像是一张白纸和易推画笔,它用一种叫链和图的结构,让开发者可以非常自由地去设计各种天马行空的、定制化的记忆逻辑,特别适合处理那些复杂的、非限性的交互。 好了,我们从问题聊起,一路讲了理论,又看了实践,现在是时候把这些点都串起来做个总结了。到底为什么说记忆管理是未来所有智能体的基石呢? 所以你看,最核心的一点,就是记忆让 ai 摆脱了无状态的枷锁,它不仅仅是为了记住几句话那么简单,而是为了让 ai 能够理解上下文,感知你的真实需求,从而给你提供珍重、个性化、有用的回应。 它是 ai 学会规划、推理这些高级技能的必要前提。可以说,没有记忆就没有真正的智能题。这就给我们留下了一个特别值得思考的问题, 当有一天,我们真的创造出了拥有完美永恒记忆的 ai, 它会成为我们工作和生活中的终极伙伴吗?还是说一个什么都记得,永远不会忘记的 ai, 会给我们带来一些我们现在还想象不到的全新挑战呢? 这个问题可能没有标准答案,但绝对值得我们每个人去思考。好了,今天就聊到这里,我们下次再见。


你的大脑正在偷偷删除记忆。别慌,这不是病,这是升级!科学家发现,人类大脑从二十五岁开始,每天都会修剪掉无用的神经连接,就像给硬盘清理垃圾文件。更疯狂的是,你的大脑虽然只占体重的百分之二,却要吃掉全身百分之二十的能量。这意味着什么? 意味着它太贵了,贵到你的身体养不起一个满负荷运转的大脑,所以净化给了你一个阉割板。伦敦出租车司机的研究证明,当他们花三年背下全程地图后,大脑海马体居然会变大, 但代价是他们的其他认知能力下降了。这就是大脑最残酷的真相,你不是开发不了,而是开发了这个,就得牺牲那个。 可问题来了,为什么有人能同时做到记忆力好、反应快、创造力强?答案藏在三个被忽略的大脑机制里。第一个机制叫突出竞争。 二零二四年,波恩大学和日本理化学研究所联合发现了一个颠覆认知的现象,当你的大脑同时学习多个技能时, 相邻的神经突触会互相抢资源,就像兄弟几个抢一碗饭。更离谱的是,这场竞争只发生在激活后的前二到三分钟,谁抢到了资源,谁就能变强,谁没抢到就会被永久削落。这就是为什么你同时学英语和日语,最后两个都学不好。 因为你的大脑神经元正在内斗,但天才不一样。复旦大学二零二四年的研究发现,那些学习能力超强的人,大脑有一种特殊的资源分配模式。他们的前额皮层和丘脑之间有一条快速推断通道,这条通道能在几次试错后,就判断出哪些神经元该获得资源。 普通人需要几百次重复才能形成的神经连接,他们只需要几十次,效率差了整整十倍。更可怕的是,这个机制可以训练 m i t。 在 二零一九年做过一个实验,让志愿者用左手刷牙,连续两周大脑扫描显示它们的活跃脑区增加了百分之四十。注意,不是变大,是活跃区域增加。这意味着,当你强迫大脑做不熟悉的事时,它会激活沉睡的神经元, 那些平时从不工作的脑细胞突然被唤醒了。华盛顿大学神经科学家飞利浦说,我们基本上重新布线了他们的大脑,而这个重新布线只用了十天。关键在于一个词叫髓鞘化。 当你用非惯用手做事时,神经元会给自己包裹一层保护膜,这层膜能让信号传递速度提升百分之三百, 就像把同线网络升级成光鲜。日本民谷物大学二零二四年的研究发现,用左手练习筷子的人不仅手变灵活了,前额叶皮层活跃度提升了百分之六十。前额叶是负责决策和创造力的。也就是说,当你笨拙的用左手夹菜时,你不仅在训练手,你在升级整个思维系统。 第二个机制叫频率切换。你知道你的大脑每秒钟都在产生电流吗?这些电流会形成不同频率的波动,就像收音机调频,而你现在的频率决定了你是天才还是废物。哈佛大学追踪了两千名焦虑症患者,发现他们的大脑都困在二十五到三十八赫兹之间, 这个频率叫高倍塔波,也叫焦虑制造机。更绝望的是,现代人醒着的每一秒都在这个频率里挣扎。早上睁眼第一件事看手机,大脑瞬间被拉到三十五赫兹。刷完新闻看工作消息,频率继续飙升。 等你坐到办公桌前,你的脑电波已经跟逃命时一模一样了。这就是为什么你明明什么都没干,却感觉比跑了十公里还累。但真正的天才活在另一个频率。 斯坦福追踪过一百个顶级创意人,才发现他们百分之七十的好点子都不是在办公桌前想出来的,而是在放松状态下,大脑降到八到十二赫兹时自然浮现的。这个频率叫阿尔法波,是创造力的源泉。爱因斯坦最好的想法都是在航海的时候出现的, 乔布斯每天要冥想一小时,就是为了进入这个频率。现在你明白了吗?开发大脑不是让你的大脑一直处于高负荷状态,而是教会他三件事,第一,学会竞争中的资源分配,通过笨拙感训练,激活沉睡的神经元。第二,学会在不同频率间切换, 该冲刺时冲刺,该休息时休息。第三,接受大脑的局限性,用牺牲换增长,用删除换升级。 记住,天才不是天生的,天才是那些知道如何强迫自己大脑成长的人。从今天晚上开始, 用飞惯用手刷牙感受那种笨拙感,那不是你在退化,那是你的神经元在重新布。现在接下来的三十天里,你的大脑会发生真正的改变,不是因为你的左手变强了,而是因为你教会了你的大脑如何重新学习。

我发现我们八零后真的挺恐怖的。啊。咋恐怖了?我们用过算盘计算器,从 dos、 win 五、 win 八两千叉 p 一 路用到 win 七八十一,用过手摇电话拨号座机、大哥大 bb 机、小灵通、按键机、滑盖机、触敏机、智能手机,好不容易熬到现在又直接赶上 ai 机器人,这辈子啥时代都没落下。合着你们是从原始时代一路进化到人工智能是。

一天一个 skills, 今天分享的是 self improving agent, 有 记忆的 agent 等于会进化。我之前也是这么想的, agent 有 了长期记忆,加上上下文解锁,他应该会越用越聪明。但其实不是,他只是记住了你说过什么,但没有学会,也没有理解。 比如你说图片色彩太繁杂了,他现在记住你喜欢简洁,但下次可能还是重蹈覆辙。为什么?因为他不会复盘,不会分析到底哪里出问题, 下次该怎么改进。所以他只是记住偏好,没有优化策略。而 self improving agent 不 一样,他会记录过程,分析结果,找出错误, 总结规则,更新行为。重点只有一句话,他改变的不是记忆,而是决策方式。普通 agent 向实习生只会记, self improving agent 向会复盘的人会自我复盘改进。本质差别就一个,有没有反馈,循环执行,评估优化再执行。如果你的 agent 只是在记住过去,那它还不算智能体。想让 ai 越用越强,关键不是 token, 而是这个自我进化能力。

数码宝贝第一波是许多人的童年记忆,绝对数码途径的不断更新与进化,体系的逐步完善,那么当初代主角团的救集体数码兽继续进化,抵达当前的极限形态,他们会是什么样子呢? 凤凰兽,可以进化为四圣兽之一的朱雀兽,守护数码世界的四圣兽,数码兽之一守护南方,能操纵灼热的火焰,凭普通救集体的力量很难打倒朱雀兽, 即实力位于数码兽的巅峰位置,如同神一般。密神比特兽也是可以继续进化的,他就是有了重击数码兽顶点这层的暴君比特兽,统御所有昆虫群,数码兽的虫之王能够按照自己的意志操纵任何昆虫群数码兽,自己几乎不会加入战斗, 身上的假笑由十只数码合金构成,普通的数码兽恐怕无法对心脏所伤害。蔷薇兽除了爆裂形态外,还能进化为无反掌之一的反掌花仙兽,身穿深红色特工服的妖精型数码兽,花仙兽使其华丽的花瓣染成了爱色,或许那种可爱的印象当然不存,秉持在弱肉强食的数码世界为弱者而站的信念, 拯救了许多被凶恶的数码兽袭击的人们。可马兽他既没有强大的黑化形态究极体的维京兽,也没有 a 克死抗体形态, 另一进化链的蛇颈龙兽也实力平平,属实是有点惨。是天使兽,通常被视为巴达兽的最高究极形态,但在动画中表现略显乏力。如果要说最符合巴达兽巅峰战力的姿态,就要属神龙兽。作为四大龙属马兽之一,神龙兽拥有六只印化的鱼,全身闪耀着金黄色光辉, 是神圣与力量并存的存在。极鹿兽的究极体形态,既雄伟的英姿,会让人联想到天空的王者, 泰和的亚普兽和加布兽,无论是奥米加兽还是双倍进化,都是绝对的顶级战力。那么你觉得如果出在主角团,拥有这样的阵容,能快速通关,岂是如此吗?

有没有过这种经历,背完单词第二天忘一半,刚记得电话号码转眼就丢。别焦虑,这不是你记性差, 是没掌握记忆的底层规则。第一条规则叫遗忘曲线。德国心理学家艾宾浩斯发现,刚学完的知识,一小时后只剩百分之四十四,一天后剩百分之三十三,但六天后还能留百分之二十五。 关键不是死记,是在遗忘前踩刹车。学完二十分钟,一小时、一天后各复习五分钟, 记忆留存率能翻倍。第二条是组块记忆,人脑一次只能记七加减两个信息块,把零散内容打包,能大幅提升效率。比如记忆一八六、一八六、一八六拆成一百八十六,重复三次,比硬背九位数轻松十倍。背古诗时, 把美句提炼成关键词,组块回忆时顺着串起来就行。第三条叫多感官参与, 单纯看文字,记忆留存率百分之十,边读边写能到百分之三十,边说边比划能到百分之七十。下次记重点时,试试边念初升,边在纸上画逻辑图,让视觉、听觉、洞觉一起打工, 记忆会向刻进大脑里,记住这三个规则,才准遗忘曲线。复习,把信息打包成组块,调动多感官参与。从今天背单词开始实践,你会发现好记性真的能练出来。