vMira теперь помнит важное между беседами — над какими проектами вы работаете, какой тон предпочитаете, что она вам уже объясняла. Память включена по умолчанию на платных тарифах и выключена по умолчанию на free. В обоих случаях память — ваша: её можно посмотреть, отредактировать, экспортировать и удалить, в одном экране.
Эпизодическая память работает как короткий блокнот. После каждой беседы модель предлагает несколько заметок — фактов, предпочтений, повторяющихся проектов — и пишет их с лимитом 200 символов на заметку. Каждую заметку можно отсмотреть, отредактировать, отключить для конкретной беседы или удалить — на одной странице в профиле. Ничего не закопано; ничего не зашифровано так, чтобы скрыть содержимое от вас. Блокнот — источник истины о том, что модель помнит про вас, и каждую строчку в нём вы можете прочитать.
Что хранит и чего не хранит
Модель обучена хранить три типа фактов. Вашу работу: языки, на которых вы пишете, инструменты, которыми пользуетесь, упомянутые дедлайны, людей в команде. Предпочтения: как вам нравятся объяснения (коротко или подробно, с кодом или без), какого тона избегать, по каким темам не давать непрошенных советов. Повторяющийся контекст: текущие проекты, книги, которые читаете, проблемы, которые крутите в голове. И обучена явно не хранить: секреты (учётные данные, ключи, пароли), даже если вы их вставили; чувствительные персональные данные третьих лиц (телефон коллеги, медицинская деталь о родственнике), даже если вы упомянули; и всё, что вы пометили в беседе как приватное одной командой. Действия mute и delete полностью обратимы — до подтверждения — поэтому случайное удаление не одностороннее.
“Хорошая память — это не большая память. Это память, которая забывает правильное.”
Полный контроль
Память можно полностью выключить переключателем в настройках — тогда модель ведёт себя так же, как до памяти. Временный режим прогоняет одну беседу без записи в блокнот — полезно для чувствительных сессий, от которых вы не хотите оставлять следа. Экспорт и импорт первого класса: скачайте блокнот в JSON, отредактируйте и импортируйте обратно в другой аккаунт или чистую установку. Корпоративные клиенты получают дополнительный слой: per-team-политики, ограничивающие, какие категории фактов модель может хранить; org-wide-экспорт блокнота для аудита; интеграцию SCIM, чтобы офф-боардинг участника команды автоматически выводил его блокнот.
Как модель решает, что сохранить
После каждой беседы отдельный модельный проход — не тот, что писал ответы — просматривает транскрипт и предлагает заметки. Предлагатель обучен на датасете бесед, спаренных с заметками высокого качества, где «высокое качество» означает полезность в следующей беседе, а не описание прошлой. Кандидата-заметку он оценивает по трём измерениям: устойчивость (будет ли это иметь значение через месяц?), специфичность (это о вас или о мире?) и необходимость (была бы следующая беседа измеримо хуже без этого?). Заметки ниже порога сбрасываются молча. Заметки выше порога попадают в блокнот и видны на странице заметок, где их можно отредактировать или удалить. Recall предлагателя намеренно консервативен: пропущенная заметка восстанавливается в следующей беседе, сохранённый секрет — нет.
Фильтрация приватного: почему секреты не попадают в блокнот
Предлагатель явно обучен не сохранять определённые категории контента, даже если они появляются повторно. Учётные данные, ключи, пароли и одноразовые коды отфильтровываются детерминированным классификатором, который запускается до того, как предлагатель видит транскрипт. Чувствительные персональные данные третьих лиц — телефон коллеги, медицинская деталь о родственнике — отфильтровываются обучаемым классификатором с высоким recall и настраиваемым порогом. Всё, что вы помечаете как приватное прямо в беседе одной командой, жёстко исключается из видимости предлагателя. Совокупный фильтр — отдельная регрессионно-тестируемая категория в нашей публичной системе оценок, поэтому проверяется на каждом релизе. Если фильтр начинает пропускать — мы не выпускаем.
Память и модель рассуждений
Когда модель рассуждений включена в беседе, блокнот — часть контекста, над которым она размышляет. Два эффекта. Первое: модель может опираться на ранние факты в длинном следе мышления без переспрашивания — multi-step-план учитывает заявленные предпочтения пользователя без подсказок. Второе: модель может добавлять временные факты в свою рабочую память внутри одного следа, не фиксируя их в блокноте; если беседа заканчивается без подтверждения, рабочая память испаряется. Это разделение между постоянным блокнотом и эфемерной рабочей памятью — то, что делает рассуждения над персональным контекстом безопасными: ничто, что модель сочинила во время следа, не становится постоянной заметкой, пока предлагатель в следующем проходе не согласится.
Корпоративные политики на команду
Тарифы Teams добавляют админ-консоль, в которой владелец команды может ограничивать категории фактов, которые модели разрешено хранить. Категории те же самые три, на которых учится предлагатель — работа, предпочтения, повторяющийся контекст — каждая может быть включена или выключена на уровне команды. Распространённая политика в регулируемых отраслях — ограничить хранение только предпочтениями, чтобы модель помнила тон и формат, но никогда — коммерческие или операционные факты. Экспорт блокнота на уровне команды — действие, контролируемое администратором; результат — JSON-файл с одним блокнотом на пользователя, готовый к ретеншну или удалению. SCIM-интеграция связывает офф-боардинг с удалением блокнота: когда аккаунт участника деактивируется, блокнот выводится после настраиваемого окна.
Формат экспорта блокнота
Блокнот — JSON-документ. У каждой заметки есть ID, категория, текст (≤200 символов), ID беседы, в которой она возникла, отметка времени написания, отметка времени последнего изменения и флаг soft-delete. Формат стабилен; мы принимаем старые блокноты как минимум на две версии модели после изменения формата. Импорт блокнота в новый аккаунт или чистую установку — один вызов из UI настроек; модель ведёт себя сразу так, будто заметки были созданы в принимающем аккаунте. Для пользователей с несколькими аккаунтами (личный и рабочий, например) экспорт-импорт — поддерживаемый способ переноса контекста между ними. Автоматической синхронизации между аккаунтами нет намеренно.
Чем память *не* является
Память — не БД, к которой модель ходит запросами. Заметки — часть промпт-контекста, не векторное хранилище с retrieval. Это сознательный размен. Retrieval-память масштабируется дальше, но добавляет вторую модель — извлекатель — чьи решения о релевантности от вас непрозрачны. Память в промпт-контексте имеет жёсткий лимит размера (несколько сотен заметок для большинства пользователей, 30 на Free) — но каждая заметка видна на каждом шаге. Мы выбрали видимость вместо масштаба. Клиентам с реально крупномасштабными нуждами в памяти — командам поддержки, которые хотят помнить тысячи клиентских взаимодействий — стоит использовать API и строить retrieval-систему сверху, где компромиссы — в их руках.