mPorts

知识

什么是运营记忆(Operational Memory)?它对 AI 运营为什么重要?

运营记忆(Operational Memory)是对一次运营中发生了什么、做了什么决定、随后采取了什么行动、产生了什么结果的结构化记录,保存下来是为了让未来的决策可以借助既往的运营经验,而不必每次从零开始。它不同于审计日志——审计日志记录的是“什么被改了”;也不同于对文档的检索——检索找到的是“公司写下了什么”。

为什么重要:一个例子

这是一个示例。运营人员问 AI 系统:某个零售商今天早上的延迟订单是怎么回事?一个拥有实时运营状态的系统可以回答得很好:这些单在等仓库回执,那些单有库存冲突,这些已经发货但跟踪号还没回传。

运营记忆想要回答的,是紧接着的那些问题。这种情况以前发生过吗?上次我们是怎么处理的?有效吗?代价是多少?现在应该照做吗?这些是有经验的运营主管凭经验回答的问题,也是一个没有记忆的系统完全无法回答的问题。

四样常被叫作“记忆”的东西

每一行回答的是不同的问题。一个系统可以把前三样做得很完整,却依然在每一次事故面前从零开始。

审计日志记录的是
  • 什么被改了
  • 谁改的
  • 改前与改后
检索到的知识(RAG)找到的是
  • 制度怎么写
  • 作业规范怎么写
  • 合同怎么写
运营上下文显示的是
  • 现在正在发生什么
  • 哪些订单、在哪里
  • 承诺了什么
运营记忆保留的是
  • 发生了什么
  • 为什么
  • 决定了什么
  • 做了什么
  • 结果如何
  • 代价是多少

说得直白一点:今天的软件能告诉您发生了什么、正在发生什么。运营记忆这一层最终应当帮助系统记住类似问题以前是怎么处理的、什么有效、当时依据哪条策略做的决定。审计日志是地基,记忆是建在它之上的东西。

四种“知道”

可以交给 AI 运营员使用的信息有四种,它们回答的是不同的问题。关于“AI 记忆”的大多数混淆,都来自把它们当成一回事。

  • 实时运营状态

    现在正在发生什么:此刻的订单、库存、发货与已做出的承诺。

  • 企业知识

    文档、制度与作业规范写了什么。对文档的检索(RAG)负责找到它们。

  • 运营记忆(Operational Memory)

    以前发生过什么、当时决定了什么、做了什么、结果如何。

  • AI 运营员

    在当前情境、企业知识与既往经验之上,判断接下来应该做什么。

AI 运营员会知道什么

这是未来的全貌,每一部分都标注了它在 mPorts 里今天是否存在。底部的闭环才是重点:一个把结果记录下来的运营,会给下一次决策一个出发点。

  • 现在

    mPorts OMS 今天已有
    • 订单
    • 库存
    • 履约
    • 发货
    • 已做出的承诺
  • 知识

    方向
    • 制度
    • 作业规范
    • 零售商规则
  • 记忆

    方向
    • 以前发生过什么
    • 当时决定了什么
    • 什么有效,代价是多少

AI 运营员

  1. 建议
  2. 审批
  3. 执行
结果
每一次结果,都让运营记忆增长

今天,mPorts 里的 AI 只依据第一列工作;它所做的任何变更,都要走与人完全相同的审批。

好的运营记忆记录什么

好的运营记忆不只是聊天记录,也不只是一堆向量。它是对一次事故或一次决策的结构化记录,以下一次决策可以直接使用的形式保存。这是“应当记录什么”的一个模型,而不是对任何已上线系统的描述。

  • 情境:影响了什么、症状是什么、证据是什么
  • 诊断:当时确认的根本原因
  • 决策:决定了什么、由谁决定、依据哪条策略
  • 行动:实际做了什么、代价是多少
  • 结果:之后发生了什么、结果好不好
  • 经验:下一次决策应当知道什么

AI 运营员的价值究竟取决于什么

AI 运营员的价值不只取决于模型,还取决于它能拿到的上下文、控制机制与运营历史。模型人人可得;有了文档,谁都能做连接器;对文档的检索只能告诉运营员“公司说自己是怎么做的”,而不是“真做的时候发生了什么”。

持久的优势来自组合:实时运营上下文、企业知识、运营记忆、受管控的执行,以及这个领域本身的工作流。少了任何一项,运营员要么在猜,要么没有边界,要么从零开始。

今天,以及方向

记录活动,与从活动中学习,不是一回事。

mPorts 里的 AI 今天运转的闭环,止于一条记录。mPorts 正在构建的闭环,从这条记录开始。

今天——mPorts OMS 已有

  • 实时运营状态
  • 受管控的工作流
  • 审批
  • 留痕的执行

方向——正在构建

  • 运营记忆(Operational Memory)
  • 专项 AI 运营员

AI 今天的运转方式

今天
  1. 观察
  2. 追查
  3. 建议
  4. 审批
  5. 执行
  6. 记录

正在构建的闭环

方向
  1. 记录
  2. 学习
  3. 回忆
  4. 规划
  5. 执行
  6. 衡量
  7. 改进

mPorts 今天所处的位置

mPorts 正在朝着「运营记忆」(Operational Memory)的方向构建:记录以前发生过什么、当时为什么做出那个决定、采取了什么行动、结果如何,让下一次决策可以从既往的运营经验出发。这是一个明确的方向,而不是已上线的能力;今天 mPorts 里的 AI 不会根据以前发生过的事情改变自己的行为方式。

今天已经存在的是地基。重要的改动都会被记录下来——谁改的、改了什么、改之前是什么样。每一次 AI 运行作为一条记录保留:问题、读过的记录、建议、决定与变更,并在 AI 建议、人执行时写明这一点。改动到达仓库或零售商之后,mPorts 从该系统自己的记录里确认结果,标为已核实、已过期或未知。尚不存在的是回忆:这些历史还没有被读回来,去影响下一次决策。

客户常问的问题

运营记忆和审计日志是一回事吗?

不是。审计日志记录的是什么被改了、谁改的、改前改后是什么样。运营记忆记录的是为什么要改、决定了什么、代价是多少、有没有用,并以下一次决策可以直接使用的形式保存。审计日志是地基,记忆是建在它之上的东西。

运营记忆和 RAG 是一回事吗?

不是。检索增强生成(RAG)找到的是公司写下来的东西——制度、作业规范、合同。运营记忆保留的是这些制度遇到真实运营时实际发生了什么、结果如何。一个是公司“说”的,另一个是公司“经历”的。

mPorts 今天有运营记忆吗?

没有。mPorts 正在朝这个方向构建,并且把它作为一个方向、而不是一项功能来描述。今天,mPorts 里的 AI 依据系统已有的运营信息工作,不会根据以前发生过的事情改变自己的行为方式。

AI 运营员为什么需要它?

因为没有它,每一次事故都是第一次事故。一个无法回忆起“试过什么、代价多少、有没有用”的运营员,每次都得重新推导答案,也分不清一个已经失败过三次的决策和一个从未尝试过的决策。