AI记忆新范式：哈勃半径如何将“未读信息”转化为个人认知资产

事件概述

一种名为“哈勃半径”的AI记忆层概念被提出，定位为介于个性化记忆与外部搜索之间的第三层上下文。其核心是将用户长期关注但未主动阅读的信源转化为AI可调用的“信息暗物质”。

三层记忆架构

• 第一层“我知道的”：基于RAG系统存储用户的短期事实（每条≤200字），源自日记、设备记录等，实现情景记忆。
• 第二层“我应该知道的”：由LLM Wiki将碎片信息结构化，形成可生长的知识网络，揭示用户长期议题的演变关系。
• 第三层“哈勃半径”：覆盖用户手动授权的所有关注源（如公众号、播客、社交媒体），通过私有搜索引擎实现后置召回，将未读内容转化为潜在知识库。

核心机制与差异

• 与公共搜索的本质区别：公共搜索追求全网覆盖率，哈勃半径强调基于用户注意力边界的相关性。AI能识别信源在用户世界的权重（如信任度、噪音值），避免公共搜索的语义压平问题。
• 信息管理范式转变：从“先阅读后记忆”转为“先建半径后召回”。用户实际阅读率可能不足1%，其余99%未读内容成为可调用的“信息暗物质”。

技术实现路径

基础设施包括：FreshRSS聚合多平台内容 → Meilisearch建立私有搜索库（示例中达1万+文档，周增2000条）→ Cloudflare Worker提供API中转 → 集成至AI Agent（如Notion AI）。

意义与门槛

• 价值：使AI不仅拥有用户的记忆和知识，还具备其“视野”——能巡视个人信息宇宙中的气候性变化（如特定话题的讨论趋势），成为真正的认知代理。
• 简易实践：普通用户无需复杂技术栈，可通过持续维护RSS列表或跨平台收藏夹构建简化版哈勃半径，关键在于持续筛选和赋予信源权重。