6.6
深览指数
产品人人都是产品经理·月火连城··AI 生成
把你的AI历史对话记录变成人，拉进群聊，帮你解决问题
本文提出一种名为「对话议事会」的AI产品架构，核心思路是将用户的历史AI对话记录，视为具有独立立场和视角的「知识实体」，让它们能以第一人称身份参与新对话。该方案针对现有RAG检索被动、长上下文成本高、笔记软件丢失上下文等痛点，通过会话摘要缓存、语义匹配和第一人称发言生成，让历史知识「活」起来。文章详细介绍了架构的三层设计、极低的调用成本（单次讨论低于¥0.005）以及本地优先的隐私策略，适合关注AI产品交互逻辑、知识管理创新的产品经理和技术团队阅读。原文 ↗
核心观点
- ▍历史对话中蕴含的「思考过程」是活的、有上下文和视角的，但现有方案（RAG、长上下文、笔记软件）都将其当作死的文本处理，关键在于让历史对话能以第一人称视角参与新讨论，而非被动检索片段。
- 01RAG（如NotebookLM）只能检索到片段且不会主动开口，需要用户先知道自己要找什么。
- 02长上下文方案理论上可行，但将139个历史会话全部塞入上下文，token成本会爆炸，不现实。
- 03「对话议事会」通过三层架构实现：会话扫描器识别多种消息格式，摘要缓存（约500 token/会话）将历史对话压缩为结构化摘要，再通过语义匹配让最相关的历史对话以第一人称生成发言。
- 04成本极低：首次设置10个议会成员约10,000 token，每次讨论约3,000-5,000 token，按DeepSeek价格单次讨论成本不足¥0.005。
- 05隐私设计：完整聊天历史数据不离开本地，仅读取.jsonl文件提取摘要并缓存于本地cache/目录。
反方 / 局限
- — 作者未提及方案在「历史对话噪声」或「错误决策」上的处理逻辑：如果历史对话中包含错误推理或已被推翻的结论，生成的「第一人称发言」是否会误导当前讨论？
5 分钟 · 4 卡片 · 12 资料
读原文 →