Agent 的记忆机制

理解 Agent 的记忆机制：存储、检索与分层

在现代 AI 系统中，Agent 本身并不知道什么是"短期记忆"或"长期记忆"，它依赖记忆系统的规则来决定哪些信息需要保存、检索或遗忘。我们可以类比人类，但要注意，Agent 的记忆存在于外部存储，而非模型内部权重。

1. Agent 记忆的核心分类

现代 Agent 的记忆通常分为四种类型：

类型	内容	生命周期
工作记忆 (Working Memory)	当前思考链、即时计算	秒级
会话记忆 (Session Memory)	当前会话、临时任务	小时级
长期记忆 (Long-term Memory)	用户偏好、历史决策	月/年级
知识记忆 (Knowledge Memory)	项目知识库、文档、Wiki	永久

注意：所有类型的记忆都需要存储 + 检索 + 更新 + 遗忘机制，而不仅仅是简单的数据库保存。

2. Agent 记忆存储的主流方案

方案 1：基于规则

最常见的方式，预先定义短期和长期信息规则。

短期记忆：
- 当前任务
- 当前会话
- 当前文件内容
- 最近执行的命令和错误
- 特点：任务结束后立即删除
长期记忆：
- 用户偏好
- 项目架构
- 编码规范
- 常用工具
- 历史决策
- 特点：写入数据库或向量库

示例：

用户输入：

"以后 Go 项目统一使用 GORM 事务封装"

Agent 判断：

"这是长期偏好，存入长期记忆。"

方案 2：LLM 自行判断

现代 Agent 更常用这种方式，让 LLM 根据上下文判断哪些信息值得长期保存。

示例 Prompt：

复制代码

请判断以下信息是否值得长期保存：
1. 当前修复订单模块 Bug
2. 用户偏好使用 GORM
3. 本次测试失败
4. 用户公司统一使用 DDD 架构

模型返回：

复制代码

[
  {"memory": "用户偏好使用 GORM", "type": "long_term"},
  {"memory": "用户公司统一使用 DDD 架构", "type": "long_term"}
]

方案 3：重要度评分

高级 Agent 会给信息打分，超过阈值的进入长期记忆。

信息	分数
当前报错	20
当前任务	40
用户喜欢 Go	80
项目使用 DDD	95

规则：

复制代码

如果 score > 70 → 存入长期记忆

类似人脑，重复出现的信息更容易被记住。

方案 4：Memory Agent（专门管理记忆）

复杂系统会独立一个"记忆 Agent"，负责短期和长期记忆管理。

复制代码

        用户
          │
          ▼
       主 Agent
          │
 ┌────────┴─────────┐
 ▼                  ▼
Tool Agent      Memory Agent
                     │
          ┌──────────┴─────────┐
          ▼                    ▼
      短期记忆              长期记忆

功能：

对话结束后自动整理
更新或删除过期偏好
与主 Agent 协作完成检索和注入上下文

3. 技术要点：检索与遗忘比存储更重要

3.1 记忆生命周期

产生 → 2. 筛选 → 3. 存储 → 4. 检索 → 5. 更新 → 6. 遗忘

示例：

三个月前用户喜欢 GORM
三个月后用户改用 SQLC
Agent 需要更新旧记忆，否则会出现冲突信息

3.2 检索比存储更重要

不能把全部记忆塞入 Prompt
必须先搜索相关记忆，再注入上下文
这一步通常称为 Memory Retrieval

示例：

用户问：

"帮我生成 Go 项目的事务封装代码"

Agent 检索：

喜欢 Go
使用 DDD
喜欢 GORM

注入 Prompt → 生成个性化回答

3.3 RAG vs Memory

类别	功能	示例
RAG (Retrieval-Augmented Generation)	检索外部知识	MySQL 文档、公司 Wiki、PDF
Memory	检索用户相关信息	用户偏好、项目使用框架

简单记忆口诀：

RAG 解决"我知道什么"

Memory 解决"我记得你什么"

3.4 Context Window 限制

LLM 本身只能看到有限的上下文（Context Window）
超出窗口的信息无法直接使用
Agent 利用长期记忆 + 检索 → 动态注入 Prompt
流程：

Memory → Retrieval → Prompt → LLM → Output

4. 现代 Agent 记忆分层示意

复制代码

                 用户输入
                      │
                      ▼
                  主 Agent
                      │
          ┌──────────┼──────────┐
          ▼          ▼          ▼
     工作记忆    RAG 检索     长期记忆
          │          │          │
          └───────┬──┴─────────┘
                  ▼
             Prompt 构建
                  ▼
                 LLM
                  ▼
                输出
                  ▼
            Memory Agent
                  │
      ┌───────────┴───────────┐
      ▼                       ▼
  更新长期记忆            删除过期记忆

工作记忆处理即时思考链
RAG 检索外部知识
Memory Agent 管理长期记忆、更新和遗忘

5. 类比人脑的局限性

人脑记忆：存储在神经网络权重中
Agent 记忆：存储在外部数据库/向量库
模型本身并不真正记住，只是"会查笔记的 LLM"