跳到主要内容

记忆系统概述

Agent 记忆系统分层图

本节定位

很多 Agent 系统一开始看起来很聪明，但一旦任务一长、回合一多，就会暴露一个本质问题：

它不记得自己刚才在干什么。

所以记忆系统不是“锦上添花”，而是 Agent 从一次性回答器走向持续任务系统的关键一层。

学习目标​

  • 理解为什么 Agent 需要记忆，而不仅仅是上下文窗口
  • 分清短期、长期、情景、程序记忆的区别
  • 看懂一个最小的多层记忆结构
  • 建立对“记忆不是越多越好”的正确直觉
  • 知道后面几节分别在解决哪一层问题

新人先掌握 / 进阶再理解​

如果你是新人，这一节先抓住一句话：Agent 记忆不是把所有聊天记录都塞回模型，而是把当前任务、长期偏好、过去经历和可复用流程分层保存、按需取用。

如果你已经做过 Agent 项目，可以进一步关注：哪些信息应该写入长期记忆，什么时候应该读取，如何避免短期噪声污染长期事实，以及记忆是否真的改善了任务完成率。

一、为什么 Agent 需要记忆？​

1.1 没有记忆，系统就像每次都重新开机​

假设用户和 Agent 的对话是这样的：

  1. “我想查退款政策”
  2. “主要看时间范围”
  3. “如果我已经学了 30%，还能退吗？”

如果系统每次都只看最后一句：

“如果我已经学了 30%，还能退吗？”

它其实缺了大量关键上下文。

1.2 所以记忆系统在解决什么？​

它在解决：

  • 当前任务如何保持连贯
  • 过去信息怎样有选择地保留
  • 未来决策怎样利用这些保留下来的内容

一句话说：

记忆系统是在帮 Agent 抵抗“每一步都重新开始”的失忆感。

二、记忆不等于“把所有历史全塞进去”​

2.1 一个常见误解​

很多人一说记忆，第一反应就是：

  • 把历史消息全存起来
  • 需要时全塞给模型

但这通常会带来：

  • token 成本爆炸
  • 延迟上升
  • 噪声过多
  • 真正重要的信息反而被淹掉

2.2 记忆系统真正要做的是筛选和组织​

所以记忆系统不是简单的“多存点东西”，而是：

在有限预算下，保留最有价值的信息，并用对的方式组织它。

这和人类记忆也很像：

  • 不是把一切原封不动记住
  • 而是会压缩、选择、归纳

三、先建立一张完整地图​

3.1 记忆系统常见分层​

记忆类型更像什么主要解决什么
短期记忆工作台当前任务上下文
长期记忆档案库跨回合稳定信息
情景记忆任务经历过去发生过什么
程序记忆操作手册某类任务该怎么做

3.2 一句话先记住​

  • 短期记忆：这次任务正在发生什么
  • 长期记忆：这个用户 / 这个系统长期是什么样
  • 情景记忆：过去某次经历的记录
  • 程序记忆：一套可复用的做事流程

这四种记忆不是总要全都上，但它们组成了一个非常实用的思考框架。

四、短期记忆：当前任务的工作区​

4.1 它通常存什么？​

  • 最近几轮对话
  • 当前任务目标
  • 中间工具结果
  • 正在执行到哪一步

4.2 为什么它最先重要？​

因为用户最容易感知到的失败，往往来自短期记忆出错：

  • 系统忘了刚说过什么
  • 工具刚查过的结果又查一遍
  • 上一步已经决定的事下一步又推翻

这也是为什么下一节我们会先专门讲短期记忆。

五、长期记忆：跨回合依然有价值的信息​

5.1 它通常存什么？​

例如：

  • 用户偏好：喜欢简洁回答
  • 用户背景：是 Python 初学者
  • 项目背景：当前正在做 RAG 系统

5.2 和短期记忆最大的区别​

短期记忆服务“这一次任务”。
长期记忆服务“以后遇到类似情况时还能继续用”。

所以长期记忆更像档案，而不是当前工作台。

六、情景记忆和程序记忆是什么？​

6.1 情景记忆（episodic memory）​

可以理解成：

过去发生过的一次具体经历。

例如：

  • “上次用户问退款，最终发现是超过 7 天导致不可退”

它更像一条带时间和事件背景的记录。

6.2 程序记忆（procedural memory）​

可以理解成：

一套已经被证明有用的做事步骤。

例如：

  • “处理退款问题时，先查订单，再查政策，再判断资格”

这更像经验流程，而不是单次事件。

6.3 为什么要区分这两类？​

因为：

  • 情景记忆更像“我经历过什么”
  • 程序记忆更像“我学会怎么做”

这两种记忆会直接影响 Agent 的可迁移能力。

七、一个最小多层记忆示例​

下面这个例子虽然简单，但能帮你快速建立“多层记忆结构”直觉。

memory = {
    "short_term": {
        "messages": ["我想查退款政策", "主要看时间范围"],
        "current_goal": "判断退款资格"
    },
    "long_term": {
        "user_preference": "回答要简洁",
        "skill_level": "Python 初学者"
    },
    "episodic": [
        "上次处理退款问题时，用户因为学习进度过高而不能退款"
    ],
    "procedural": {
        "refund_workflow": ["查订单", "查政策", "判断资格", "返回结论"]
    }
}

print(memory)

7.2 这段代码真正教了什么？​

它在教你：

记忆不是一个桶，而是多层、分工不同的信息结构。

如果把所有内容混成一堆文本，系统会越来越难用。

八、记忆系统设计时最常见的权衡​

8.1 记多少？​

  • 太少：系统容易失忆
  • 太多：系统容易混乱、成本升高

8.2 记成原文还是摘要？​

  • 原文：细节更完整
  • 摘要：更省上下文

8.3 什么时候写入、什么时候读取？​

不是所有内容都值得写入长期记忆。
也不是每次回答都要把所有长期记忆都读出来。

所以记忆系统的关键，不只是“存”，更是：

  • 写入策略
  • 检索策略
  • 清理策略

九、一个很重要的工程提醒​

记忆系统不是越复杂越好。

很多项目一开始最需要的其实只是：

  • 短期消息窗口
  • 一点结构化状态

如果一开始就上：

  • 向量长期记忆
  • 多层情景摘要
  • 程序记忆图谱

很可能会把系统复杂度拉得过高。

所以更稳妥的原则通常是：

从最小可用记忆开始，再逐步升级。

十、初学者最常踩的坑​

10.1 把记忆理解成“聊天记录归档”​

这只是很浅的一层。

10.2 只关注存储，不关注读取与使用​

存了但不会在正确时机取出来，记忆就没有真正工作。

10.3 不区分短期和长期​

最后会导致：

  • 当前状态混乱
  • 长期偏好被短期噪声污染

十一、记忆系统最值得展示什么​

如果把记忆系统做成作品集项目，最值得展示的不是“我存了很多历史记录”，而是：

展示内容说明
记忆分层哪些是短期状态，哪些是长期偏好，哪些是情景记录或流程经验
写入规则什么信息值得保存，什么信息只留在当前任务里
读取规则回答或执行任务前，系统如何选择相关记忆
错误案例哪些记忆造成了误导，后来如何修正或清理
效果对比有记忆和无记忆时，任务连贯性或成功率有什么变化

这会让别人看到你理解的是“记忆工程”，而不是简单的聊天记录归档。

十二、这一节的学习闭环​

层次你应该能做到什么
直觉能解释为什么 Agent 需要抵抗“每一步都重新开始”
结构能分清短期、长期、情景、程序记忆分别负责什么
工程能说出写入、读取、清理三类策略为什么重要
项目能设计一个带记忆分层和错误案例的 Agent demo

小结​

这一节最重要的不是背四种记忆名词，而是抓住这条主线：

记忆系统的本质，是让 Agent 在跨步、跨回合、跨任务时，不必每次都从零开始。

真正有用的记忆系统，通常不是“存得最多”，而是“分层清楚、写读有策略、能真正支持决策”。

练习​

  1. 用自己的项目场景，分别举一个短期记忆和长期记忆的例子。
  2. 想一想：如果用户短期内连续改需求，哪些信息应该留在短期记忆而不是长期记忆？
  3. 试着设计一个简单的“程序记忆”流程，比如“处理订单退款”的步骤清单。
  4. 用自己的话解释：为什么说记忆系统的难点不只是存储，而是选择和组织？