记忆策略与模型迁移

换模型会改变记忆行为

新模型可能更善于抽取，也可能更愿意把推断写成事实；更长上下文也可能增加旧信息干扰。生成模型、记忆抽取器、压缩器和retriever不是同一升级轴。一次全部替换后总分变化，很难知道来自哪一层。

建议为memory policy、schema、抽取prompt、压缩策略、模型snapshot及检索表示分别记录版本。原事件与来源证据仍保留，使新提炼器可以重建或复核，而不是只能接受旧模型留下的一段不可解释摘要。

用交叉矩阵定位回归

比较旧模型加旧策略、新模型加旧策略、旧模型加新策略、新模型加新策略。先做协议与schema兼容，再回放真实任务，检查过写、漏写、临时偏好永久化、矛盾裁决、旧事实使用和跨scope访问。Embedding空间迁移另用双索引合同处理。

LongMemEval覆盖时间、更新和拒答等记忆能力；2026年的EvalMem进一步把事实是否写入、是否被检索以及模型能否根据oracle证据作答分开。这类诊断适合判断升级瓶颈，但公开benchmark不能代替企业特有权限与撤回测试。

发布配置与运行证据都要记录

离线回放通过后先shadow，再小流量canary。新旧系统可读取相同合格证据，但不要让测试副作用重复执行。保留回滚策略，并确保回滚代码不恢复已经撤回的记忆或权限。供应商不能固定模型snapshot时，应披露复现限制并持续跑sentinel cases。

验收报告应区分存量事实迁移完整性、新事实写入质量、召回质量、最终任务效果及成本。更强模型并不自动使旧记忆正确；只有来源、数据和策略合同可独立检查，长期能力才不会被一次模型更新悄悄改变。