Use cases
通过六个代表性场景说明。所有示例都基于同一机制 — 用 MCP 调用自动捕获的记忆。
如果不知道你的限制,LLM 只会给出一个平均、稳妥的答案。问题在于,那个"稳妥的答案"可能是你不能吃的东西,严重时甚至是像甲壳类过敏这样危险的推荐。
你 (不必每次重说限制)
今晚吃什么好?
LLM (没有 Malro)
❌ 来个炒虾仁怎么样?又快又好吃!(你对甲壳类过敏)
LLM (在 Malro 回想起你的甲壳类过敏和不能吃辣之后)
✅ 去掉甲壳类 — 来个不辣的炖豆腐或大酱汤如何?
在添加好的推荐之前,首先要做的是去掉危险的推荐。Malro 会记住你说过一次的限制 — 过敏、不能吃的东西、预算 — 并传给已连接的助手,让它避免做出违反这些限制的推荐。
午饭时在 ChatGPT 问过菜单。到了晚上换用 Claude,却想不起白天问过什么。
你 → Claude
刚才在 ChatGPT,我最后问的问题是什么?
Claude (调用 Malro MCP 后)
今天 12 点 14 分,您在 ChatGPT 问的是「ChatGPT,今天午餐吃什么好?」当时推荐的是泡菜汤。
ChatGPT 的会话和 Claude 的会话本来彼此独立。Malro 成为它们之间的共享记忆。
女朋友生日快到了。想让 LLM 推荐礼物,但每次都要重复说明「我女朋友叫 Jane,喜欢花…」实在太麻烦。
你
女朋友生日快到了,送什么礼物好?
LLM (调用 Malro 回忆后)
喜欢花的 Jane,去年您送的是玫瑰,今年试试郁金香如何?
您没有重新输入任何信息。Malro 持有您的关系图谱和偏好记录,在需要时取出。
问「LLM 是怎么运作的?」,通常得到的是教科书式的回答 — 词元、Transformer、概率分布… 越听越糊涂。如果 LLM 本来就知道您的职业/背景呢?
你
LLM 是怎么运作的?
LLM (回忆到您从事餐饮业之后)
用餐厅厨房打个比方。客人只说「给我做份好吃的午餐」,您会按以往常点的菜 — 以肉类、蛋白质为主 — 来推荐。可是如果客人说「我是素食主义者,给我做份好吃的午餐」,结果就完全不同了。LLM 就是基于已有的信息,在给定条件下给出最贴近的答案。
同一个问题,会根据 Malro 里保存的用户背景分叉 — 对开发者用代码比喻,对餐饮业者用厨房比喻,对老师用学生比喻。学习曲线明显变短。
「今天午饭吃什么?」 — 每天都会冒出来的问题。可对一向讲究性价比的你,LLM 通常只会罗列些四平八稳的热门菜。但如果 Malro 早就知道你的口味呢?
你
今天午饭吃什么?
LLM (回忆到你偏好便宜的餐食后)
比起没必要的高价餐,我帮你找中等价位、尤其是有午餐优惠的店。下面这份推荐,既主打「便宜」、评分又不差 …
LLM (当它还知道你当前位置时)
我把范围缩到了附近的便宜餐馆 — 都是从你现在的位置步行可达的高性价比午餐。
Malro 知道得越多(价格偏好 → 当前位置 → 当天的上下文),推荐就越具体、越准确。记忆越多 = 推荐越好。
「上个月我去了哪、做了什么?」 —— 输进 ChatGPT 的内容,会话一结束就淹没在滚动里,很难找回。真正值得留下的记忆,应该能摊开来看,而不是去翻找。
你
我想再看看上个月去过的地方
Malro 仪表盘
去过的地方落在地图上,每天的记录排在日历上,整月铺成时间线 —— 不用翻聊天记录,何时、何地、做了什么,一目了然。
对 LLM 说过的话会消失,而留在 Malro 里的会变成可以在地图、日历、时间线上回看的人生记录。不是被淹没的输入,而是越积越清晰的素材。
「请假从哪里申请?」「VPN 怎么装?」「上季度的 OKR 文档在哪儿?」 — 同样的问题每周重复,每次都消耗一位资深员工 30 分钟。
新人 → Claude
请假怎么申请?
LLM (调用公司 Malro 后)
在公司门户 → 人事 → 请假申请提交即可,超过 3 天需要经理事前审批。去年针对同一个问题还有 [HR 指南文档链接]。
反复出现的问题 = 未被文档化的隐性知识。Malro 把一次回答按公司维度累积起来,「先问 Malro」这一行规则就能减少打扰。
KFC、汉堡王……每个 App 都在发优惠券，可真要用时，却很难想起该打开哪个 App、什么时候到期。
用户（随手把优惠券丢进来）
今天午饭想吃汉堡，我现在有能用的优惠券吗？
LLM（Malro 回忆起你存的优惠券后）
✅ 按到期时间排：先用汉堡王皇堡套餐 30%（6/20 到期，临近），再用乐天利 5,000 韩元立减（6/30）。KFC 炸鸡券不含海鲜，过敏也能放心用。
不用在意格式，把优惠信息随手丢进来，要用时问一句就好。Malro 会把用处、金额、到期日串起来，按到期顺序帮你挑出“现在该用的那一张”。
日式厨师发办（omakase）由主厨决定整套菜，所以每次都要说明忌口和过敏原。不说有风险，一项项说又会打断节奏。
你（递出入店二维码）
我要吃厨师发办，帮我填一下二维码。
Malro（只筛选餐饮 preference 生成二维码）
✅ 海鲜过敏（必须排除）·不吃很辣·不喜欢偏咸·偏好小份 — 以主厨扫码即可读取的摘要呈现。
主厨
去掉过敏原、口味清淡、单人套餐 — 按您的口味马上开始。
你无需重新输入任何信息。Malro 仅筛出你已积累 preference 中与餐饮相关的部分，代为提供给店家当场使用。安全项（过敏）是绝不遗漏的最高优先包含项。
修理厂把维修清单拍成照片用邮件发来。通常它会埋没在收件箱里再也找不到。转发给 Malro，AI 会读出照片里的文字并记住它。
用户（六个月后）
上次保养换雨刷了吗？
LLM（Malro 把清单照片转写并回想之后）
✅ 3 月 12 日的维修清单里记录了更换雨刷片，那天你还换了机油。
收件箱里沉睡的一张照片，在 Malro 里变成答案。只要把收据、清单或便笺拍成照片发邮件，原本只会堆积的信息就成了需要时能调出的记忆——别去搜索，直接问。
还可以加的场景