Long-term Memory 不是对话事实的权威副本，而是从历史中提炼出的派生状态。模型适合识别候选信息，不适合独立决定什么长期生效；最终裁决需要可审计的证据与确定性 Policy。
Memory 是派生状态，不是事实来源
Message 保存实际对话，AgentState 与 Checkpoint 保存执行进度，RAG 提供外部知识；Long-term Memory 只保存跨 Session 值得复用的信息。
Memory 经过提取和压缩，天然存在信息损失。复制全部 Message 还会把临时要求、未确认推测和过期信息带入未来会话。
前一篇《Memory 不等于历史消息》讨论生命周期差异；这里继续回答候选由谁判定生效。
模型负责提名，Policy 负责裁决
Extractor 可以利用模型拆分语义并输出结构化候选，但候选不应直接进入生效区。
我会把证据等级区分为：
| 等级 | 典型来源 | 可承担的结论 |
|---|---|---|
VERIFIED | 权威业务系统或可验证结果 | 对应业务范围内的事实 |
DECLARED | 用户明确表达 | 用户偏好、计划或授权范围 |
OBSERVED | 跨时间重复行为 | 可供后续确认的模式 |
INFERRED | 模型根据单次行为推断 | 只作为短期候选 |
CONFLICTED | 新旧证据不一致 | 停止自动注入，等待消解 |
确定性 Policy 检查主体、作用域、敏感性、证据和冲突，决定 ACTIVE、CANDIDATE 或 REJECT。模型可以理解时间表达，但有效期应由代码计算。
异步写入只能服务后续轮次
Run 开始前的 Memory 检索影响本轮 Context，通常需要同步完成；Run 结束后的提取主要服务下一轮，可以异步执行。
以 Mem0 Platform 为例，新增记忆可能先返回 PENDING，处理完成后才可检索。因此当前 Session 仍应以 Message 和 AgentState 为事实来源。
权限、HITL 决策和外部任务终态应先进入权威业务存储，不能只依赖最终一致的 Memory。
我的选择：候选隔离、证据追踪、按作用域召回
每条候选至少记录主体、作用域、证据、可信度、valid_to 和状态。停止参与推理与物理删除应分开管理。
同一任务内重复表达不等于长期偏好；跨时间重复也不能绕过敏感性和权限检查。持久化不代表每轮都应注入。
这套治理增加了候选区和版本历史。若产品不需要跨会话个性化，Message 与 AgentState 已经足够。