记忆系统

784 字约 3 分钟

domain/aiai/agents

2026-07-24

1. 核心结论

记忆系统让 Agent 能够存储和检索历史信息，支持长期决策和个性化交互
记忆分为短期记忆（对话历史）、长期记忆（持久知识）和程序记忆（技能模式）
记忆管理需要平衡存储成本、检索速度和信息相关性
好的记忆系统能让 Agent 记住用户偏好、历史交互和学习经验
记忆遗忘机制与记忆存储同样重要

2. 基础概念

Short-term Memory：短期记忆，存储当前会话的上下文信息。

Long-term Memory：长期记忆，持久存储跨会话的重要信息。

Procedural Memory：程序记忆，存储技能和行为模式。

Episodic Memory：情景记忆，存储具体事件和经历。

Semantic Memory：语义记忆，存储事实和知识。

Memory Retrieval：从记忆中检索相关信息。

Memory Consolidation：将短期记忆转化为长期记忆。

Memory Forgetting：有选择地遗忘不重要的信息。

3. 工作原理

记忆系统架构：

[短期记忆]
  - 对话历史
  - 当前任务状态
  - 临时变量
  ↓
[记忆管理]
  - 重要性评估
  - 信息压缩
  - 遗忘策略
  ↓
[长期记忆]
  - 用户画像
  - 历史交互
  - 学习经验
  - 领域知识
  ↓
[记忆检索]
  - 相关性匹配
  - 时间衰减
  - 上下文过滤

记忆存储策略：

向量存储：embedding 相似度检索
键值存储：精确匹配检索
图存储：关系型记忆
时间序列：按时间顺序存储

记忆检索策略：

最近优先：优先检索最新记忆
相关性优先：优先检索相关记忆
频率优先：优先检索常用记忆
混合策略：组合多种策略

记忆更新策略：

追加：新记忆直接追加
合并：相似记忆合并
覆盖：更新过时记忆
摘要：定期生成记忆摘要

主流实现：

LangChain Memory
Zep Memory
Mem0
Letta（原 MemGPT）

4. 实战场景

个性化助手：记住用户偏好和历史交互
客服系统：记住用户历史问题和解决方案
教育辅导：记住学生学习进度和薄弱点
项目管理：记住项目历史和决策过程
健康管理：记住用户健康数据和习惯

5. 常见误区

存储所有信息：存储成本高且检索效率低
不评估重要性：所有记忆同等对待
忽视隐私：存储敏感信息没有保护
不更新记忆：记忆过时导致错误决策
检索策略单一：只使用一种检索方式

6. 进阶方向

层次化记忆管理
自动记忆摘要
跨 Agent 记忆共享
记忆压缩技术
记忆安全与隐私
情感记忆建模

7. 推荐资料

Letta (MemGPT) - https://docs.letta.com/
LangChain Memory - https://python.langchain.com/docs/concepts/memory/
Zep - https://docs.getzep.com/
Mem0 - https://docs.mem0.ai/
Generative Agents Paper - https://arxiv.org/abs/2304.03442