Agent 记忆系统设计：短期状态、长期记忆与遗忘

记忆不是把所有对话存进向量库

当 Agent 需要跨会话工作时，团队很容易把历史消息全部向量化，然后在每次任务前检索。这样确实能“想起一些东西”，却常常召回过期偏好、错误结论和无关闲聊。真正的记忆系统要回答四个问题：什么值得记、以什么形式记、什么时候想起，以及什么时候应该忘记。

可以把 Agent 记忆分成三类。

工作记忆服务于当前任务，包括计划、临时变量、已完成步骤和最近工具结果。它更新频繁，生命周期通常等于一次运行。

情节记忆记录发生过的事件，例如“上次部署因端口冲突失败，最终改用 3990”。它保留时间、参与者、动作和结果，适合在相似情境中提供经验。

语义记忆保存相对稳定的事实和偏好，例如项目使用 MongoDB、用户偏好中文提交信息。它不强调事件过程，更像经过确认的知识。

三类记忆的写入、检索和过期策略不同，不应该混在一个集合中只靠相似度搜索。

先设计写入门槛

记忆质量首先取决于写入。每句话都保存会快速制造噪声。一个实用的写入策略可以检查：

未来任务是否可能复用；
信息是否已经被工具或用户确认；
是否包含明确作用域，例如某个用户、项目或环境；
是否与已有记忆重复或冲突；
是否含敏感数据，是否允许长期保存。

模型可以提出候选记忆，但最终写入应经过规则验证。账号密钥、访问令牌、支付信息和临时验证码不应进入长期记忆。用户说“这次先这样”通常是短期指令，不能自动升级成永久偏好。

推荐使用结构化记录：

{
  "type": "preference",
  "subject": "user:42",
  "scope": "project:keemall-blog",
  "statement": "技术文档使用中文",
  "source": "user-confirmed",
  "confidence": 1,
  "validFrom": "2026-08-03T10:00:00Z",
  "expiresAt": null,
  "supersedes": null
}

向量只是检索索引之一，原始结构和来源仍要保留。

召回需要相似度之外的信号

仅按语义相似度排序，会把“看起来相关”误当成“应该使用”。召回可以组合多个信号：当前任务与记忆的相似度、作用域是否匹配、信息新鲜度、来源可信度、过去被成功使用的次数，以及是否与当前事实冲突。

一个数据库迁移经验不应该自动出现在市场文案任务中；另一个项目的端口约定也不能覆盖当前项目配置。作用域过滤应发生在向量排序之前，而不是依赖模型最后辨别。

召回结果最好以简短卡片进入上下文：陈述、来源、时间和置信度。需要细节时再读取对应事件或原始证据。这样可以避免一次加载大量历史轨迹。

更新、冲突与遗忘

长期系统里，事实会变化。新记忆不能简单覆盖旧记录，否则无法解释 Agent 为什么曾经做出某个决定。更合适的做法是版本化：新记录通过 supersedes 指向旧记录，旧记录标记为失效但仍可审计。

当两个高可信来源冲突时，不要让模型静默选一个。记忆层应返回冲突集合，并要求重新向用户或权威工具确认。低置信度推断必须和用户确认事实分开存储。

遗忘不是缺陷，而是系统能力。可以为临时事实设置 TTL；长期未使用且低价值的记忆逐步降权；用户要求删除时，同时删除原始数据、索引和缓存。对于法规或隐私要求，还需要记录删除动作，但记录中不能继续保留被删除内容。

工作记忆要支持恢复

长任务可能跨越多个进程或等待人工审批。工作记忆应保存为检查点，而不是只存在模型对话里。一个检查点至少包含计划版本、当前步骤、已验证事实、工具调用幂等键、生成物引用、预算和等待原因。

恢复时不能直接继续旧动作。系统要确认外部状态是否仍有效：文件是否被修改、订单是否已经处理、审批是否过期。对于写操作，先通过幂等键查询结果，再决定重试。

工作记忆的压缩也需要谨慎。工具原始返回可以转存到对象存储，状态中保留摘要和引用；错误堆栈只保留分类与定位信息。真正影响后续判断的数字、约束和未解决问题不能被摘要掉。

记忆系统的评测

可以从四个方向评估。

写入准确率：候选信息中有多少值得长期保存，敏感信息是否被拒绝。

召回质量：正确记忆是否出现在前几项，无关或跨作用域信息是否被过滤。

使用正确性：模型是否真正使用了记忆，是否错误地把低置信度推断当成事实。

更新与删除：偏好变化后旧值是否停止生效，删除请求是否覆盖所有副本。

测试集应该包含同义任务、相似但不同项目、过期事实、相互冲突的记忆，以及恶意内容。最终答案正确并不代表记忆机制正确，因为模型可能碰巧靠常识答对。

小结

Agent 记忆系统不是无限存储，而是受治理的信息生命周期。工作记忆保证当前任务连续，情节记忆保留可复用经验，语义记忆提供稳定事实；写入门槛、作用域、版本化和遗忘策略共同决定它是否值得信任。