车载 AI 助手的用户记忆和个性化怎么做？多乘员共用一台车的情况怎么处理？

先这样答

多人共用的前提是身份识别。声纹识别说话人是谁，麦克风阵列的音区定位区分主驾副驾后排，两者结合给每句话打上人的标签。识别不准的兜底是显式账号切换或场景默认（主驾位默认车主）。每句话归属到人之后，记忆和个性化才能按人隔离：主驾的通勤路线、音乐口味、空调偏好，不影响副驾和后排乘客的体验。

记忆的内容设计聚焦车的高频价值点。偏好类：座椅位置、空调温度习惯、常用导航、音乐口味、充电习惯。行程模式类：工作日通勤的出发时段、常去地点。交互习惯类：喜欢的回复详略、常用指令的快捷方式。这些记忆的查询频率高、跨次出行稳定，是个性化的核心资产。

红线有两条。敏感内容默认不记忆：车载对话可能被同行者听到，用户也不会在车里说私密话题，涉及健康、情感的对话内容默认不进长期记忆。遗忘和迁移：用户要求删除要彻底，二手车过户时一键清空所有乘员数据是必须功能，不能让前车主的画像跟车走。多人同时在场时的记忆使用也要克制——根据副驾乘客的历史推荐内容时，不暴露主驾的私人信息。

面试官会怎么追问

• 「声纹识别错了会怎样？」 记忆串号：副驾说话被当成主驾，调了主驾的偏好。防御：高置信度才关联记忆，低置信度走通用响应加显式确认（「为您切换到您的账号？」）；关键个性化操作（导航去公司）执行前复述确认。
• 「记忆怎么组织？」 按人分桶、桶内按类型结构化：偏好键值对、地点收藏列表、交互统计。检索按当前上下文（座位、时段、任务类型）过滤，不全量注入。对话式记忆（上次说到一半的事）单列，时效短、容量小。
• 「新用户冷启动怎么做？」」 出厂默认加前几次交互的快速学习：首次导航后询问「设为通勤路线吗」，显式确认的记忆比隐式推断准，车载场景用户耐心有限，宁可少问准记。

回答的坑

• 记忆设计成车辆级而不是乘员级。共用场景下串号是致命体验问题。
• 不提数据清除和过户。车辆的产权属性让「记忆跟人不跟车」成为刚需设计。