大多数 LLM 每开启一个新对话都是从零开始——不知道你是谁、不记得讨论过什么、五分钟前在另一个窗口说的事也忘得干干净净。对简单聊天机器人这无所谓，但对需要持续执行任务、自主决策、越用越聪明的 Agent 来说，这种失忆是致命的。

真正的智能不只是响应好，还在于记得住、学得会、能复用。记忆把一个无状态的系统变成了能持续进化的实体。

三种记忆职责

Agentic Memory 不是单一组件，而是三个不同维度同时工作：

  • 连续性（Continuity）：记住你是谁、偏好什么、一起做过什么。没有它，每次交互都像陌生人对话。
  • 上下文（Context）：当前任务里刚发生了什么、用了什么工具、下一步该做什么。维持多步骤工作流不碎掉。
  • 学习（Learning）：理解什么有效、什么失败了，持续优化决策，不重蹈覆辙。

四种记忆类型

1. 上下文窗口（Context Window）

即模型当前能"看到"的全部信息——推理速度快，无需检索步骤，但有容量上限，且会话结束即清空。

包括：系统提示词、对话历史、工具返回结果、从外部检索来的记忆块、推理中间步骤（scratchpad）。

滑动窗口问题：对话一长，历史溢出上限。最原始的截断会丢失早期关键信息。更好的策略：

  • 摘要压缩：定期将旧轮次压缩为摘要，替换原文
  • 选择性保留：只保留含关键事实、决策、工具结果的轮次
  • 外部化检索：将重要事实提取到向量存储，按需召回

2. 外部记忆（External Memory）

任何持久化存储——数据库、向量存储、键值存储、文件。能跨会话存在，Agent 可以记得六个月前的事。

两种形态：

  • 结构化存储（精确查找）：PostgreSQL、Redis、SQLite。按 key/ID/SQL 查询，适合用户画像、偏好、配置等结构化数据。
  • 向量存储（语义搜索）：Pinecone、Chroma、pgvector。按语义相似度召回，适合非结构化笔记和情景记忆检索。

检索是瓶颈。好的记忆架构是 20% 存储、80% 检索设计。

3. 情景记忆（Episodic Memory）

最被低估的类型。外部记忆存事实，情景记忆存事件——具体是过去动作的结果。

最简形式是结构化日志：每次 Agent 完成一个任务，就记录发生了什么。这个日志逐渐成为丰富的自省知识库，Agent 可以在做新决策前查阅。

{
  "episode_id": "ep_20240315_003",
  "task": "Summarize 50-page PDF into 3 bullet points",
  "approach": "Sequential chunking, 2000 tokens per chunk",
  "outcome": "success",
  "duration_ms": 4820,
  "token_cost": 12400,
  "quality_score": 0.91,
  "notes": "Worked well. Hierarchical chunking would be faster."
}

新任务来时，Agent 检索语义最相似的老任务，用来选择策略——本质上是"从个人历史做 few-shot 学习"，而非从人工构造的数据集。

4. 参数记忆（Parametric Memory）

模型训练时就编码进去的记忆——世界知识、语言模式、推理策略、编程惯例、文化常识。生来就有，无需检索，但有硬限制：

  • 冻结在训练截断日期
  • 运行时无法更新新事实
  • 无法检查模型"知道什么"
  • 容易幻觉，用 plausibly-wrong 的答案填补空白

正确的心智模型：参数记忆是 Agent 的通识教育；外部、情景、上下文记忆是 Agent 的在职经验。最好的 Agent 两者结合。

遗忘策略

真正的记忆系统不是只增不减。无差别积累会导致检索噪音增加、延迟上升、相互矛盾的记事务必干扰 Agent。

三种主流策略：

基于重要性的过滤：存记忆时让模型给自己输出打分（0–1），只存高分项，从源头过滤噪音。

时间衰减评分：

def memory_score(relevance, importance, created_at, recency_weight=0.3, decay_factor=0.995):
    hours_old = (datetime.utcnow() - created_at).total_seconds() / 3600
    recency = math.pow(decay_factor, hours_old)
    return relevance * 0.4 + importance * 0.3 + recency * recency_weight

夜间合并：每晚运行任务，将高度相似的记忆对合并为单一规范摘要——类似人类睡眠对记忆的整合过程。

核心架构图

每次 Agent 处理请求时，所有记忆系统都会参与：LLM 调用前进行检索，调用后写入记忆。模型本身是无状态的，正是记忆系统赋予了它"有状态"和"有意识"的假象。