当人们给 Agent 添加记忆时，第一反应通常是"还能存点什么？"但更多存储不等于 Agent 会真正使用它。
Vox（@Voxyz_ai）运行 X Manager（一种全天发射大量 cron job 的 Agent）一段时间后，确信了一件事：Agent 记忆必须同时做三个工作才能可靠。
记住该记住的。引用该信任的。遗忘该过期的。
把这三个分开，你就有了一个可以应用到任何 Agent 的框架。
记住：Agent 记忆的分层结构
实践中，Agent 使用的记忆大约有 6 层，每层有不同的生命周期、权威范围和失效方式。
热会话（当前任务的工作记忆）
保存进行中的上下文：用户刚说了什么、最后的工具输出、本轮的中间结论。任务结束时应被清除。常见失败：用户两回合前说"今天不要 emoji"，Agent 在第三回合压缩上下文时丢掉了这条，又加了 emoji。
日状态（今日操作白板）
Agent 今天做了什么、进行到哪一步、接下来是什么。白板的设计就是被覆盖的。一条更新的直接指令应该让之前的状态退休。常见失败：早上说"先处理文章 A"，下午切换到 B，但 cron Agent 仍在为 A 拉取研究。
项目记忆（长期教训）
这个项目之前踩过什么坑、哪些模式有效、哪些决策已经确定。比白板更长寿，但仍会被更新的教训覆盖。常见失败：三个月前的笔记说"用户偏好 markdown"，尽管用户上个月换了偏好，今天的格式选择仍被它影响。
检索/索引（提供候选，不做决定）
向量存储、RAG、GBrain 搜索、图搜索都属于这层。它们的工作是提供可能相关的材料。索引给你候选，最终决定仍取决于来源、时间、权威性和新鲜度。常见失败：向量搜索拉出六个月前的旧计划，被当作当前最佳答案。
规范策略（长期规则层）
项目规则文件（如 AGENTS.md、SOUL.md）、团队策略、产品边界。这些更像 Agent 的"宪法"：长期稳定，只能通过手动编辑文件来更改。
直接指令（当前任务命令）
用户刚说的话。对当前任务优先级高，但不一定持久。必须保留原始来源。摘要转述不携带同等权重。常见失败：AGENTS.md 说"公开行为需要手动确认"，热会话摘要说"用户似乎授权了批量发送"，Agent 悄悄遵循了摘要。
这 6 层不是凭空发明的。主流框架如 LangGraph 和 Mem0 也把记忆分层。不同名字，同一原则。
引用：不要让 Agent 猜测谁是权威
记忆工作至少需要两步：
第一步：确定当前查询应该命中哪个来源。GBrain 的 source resolver 是个好参考：用 CLI flag、环境变量、dotfile、最长前缀路径匹配、默认配置和 fallback 来决定当前来源。防止的是：查询错误来源。
第二步：当查询出现冲突事实时，权威顺序决定谁赢。应用自己定义这部分。一个可复制的顺序：
- 原始直接指令
- 规范策略
- 最新项目决策
- 有来源归属的长期记忆
- 检索摘要
- 压缩摘要
高层覆盖低层。
2024 年加拿大航空 chatbot 案例是经典的来源权威例子。Bot 告诉客户可以申请追溯丧亲票价退款，但官方政策页面说相反。法庭判决加拿大航空赔偿 650.88 加元加利息。法官的话："信息来自静态页面还是 chatbot 并不重要。"
一旦 AI 代表公司发言，就不能与规范政策页面矛盾。用户不该猜测哪个更准确。公司必须自己定义权威链。
引用本身也会过时。2026 年苏格兰选举前，Demos 测试 AI 工具对 75 个选举问题的回答，发现 34% 的答案包含错误信息。ChatGPT 的引用"至少一年前过时"的比例达 44%。对 Agent 来说，判断来源意味着问：这个链接是否仍然 current。
遗忘：让旧记忆过期是可靠性工程
最被低估的 Agent 记忆能力是 let old memories expire。大多数团队把遗忘当作 GDPR 合规任务，但对 Agent 来说这是可靠性问题：过时的记忆看起来仍然可用，尽管 Agent 不知道它已经悄悄错了。这比"没有记忆"更危险。
这个风险已在真实内容系统中显现。2026 年，英国商业贸易部描述了一个 GOV.UK 案例：主页面是最新的，但 GenAI bot 在更窄的查询中，从无人维护的旧页面拉取答案。DBT 审计首轮发现 150 个页面同时满足三个条件：5 年未更新、5 年访问量少于 11 次、无负责人。
旧信息没有消失，只是 unread。一旦 Agent 把它拉回来，它听起来和今天的答案一样自信。
三种实现路径可以共存：
硬过期：valid_from / valid_until 列。新事实到达时，旧事实被写入过期时间戳。旧记录保留但被标记为不再可用。适用：政策、定价、法规。
双时态：四个时间戳 created_at / valid_at / invalid_at / expired_at 区分"现实中何时为真"和"系统何时得知不再有效"。适用：随时间变化的事实。
软衰减：检索排名降级长期未使用的记忆，下限 0.3×。文档说"不删除或隐藏任何东西"。这是搜索时的 recency rerank。适用：偏好、习惯、背景知识。
设计 Agent 记忆时，把过期机制与存储机制一起定义。
三个问题
把三个工作转化为快速审计。在任何记忆进入决策循环前，问：
- 这个记忆能影响什么级别的决定？仅提示？可引用证据？还是能做出最终决定？
- 它来自哪里？哪个规范文件、哪天的笔记、哪条消息？还是只是另一段记忆的衍生品？
- 它仍然有效吗？什么样的新信息会让这段记忆靠边站？
如果三个问题都可回答，记忆可以进入决策路径。如果不能，它只能作为背景上下文。不要让没有来源、没有有效期窗口、没有权威边界的记忆为 Agent 做决定。
工具推荐
- GBrain：跨会话结构化知识库，双时态事实，6 层 source resolver
- lossless-claw：无损会话记录（OpenClaw 插件）
- LangGraph：短期+长期层（语义/情景/程序）
- Mem0：对话/会话/用户/组织层 + 软衰减
- Zep：双时态事实（四个时间戳）
设计 Agent 记忆的形状与公司治理相同。通过分层记住。通过来源引用。通过过期遗忘。把这三个捆绑成一份信任契约写入 Agent，它的调用就开始可靠了。
Agent 真正变得可信的时刻，是三个工作同时运转的时刻。