Agent 记忆有哪些类型？短期记忆和长期记忆怎么用？

简化版

Agent 的短期记忆保存当前任务正在使用的状态，例如最近对话、计划、工具结果和未完成步骤，通常随会话结束而失效；长期记忆跨会话保存值得复用的信息，可再分为用户事实与偏好的语义记忆、历史事件的情景记忆，以及可复用流程的程序性记忆。设计重点不是“把所有历史存进向量库”，而是明确什么值得写入、如何按相关性和时效性召回、怎样隔离用户权限，以及何时更新或遗忘。

详细版

可以把 Agent 记忆分为四类：

类型	保存内容	常见载体	生命周期
工作记忆	当前目标、计划、最近观察、工具结果	Prompt、状态机、临时存储	单任务
语义记忆	用户偏好、稳定事实、领域知识	结构化库、向量库	跨会话
情景记忆	某次任务发生了什么及结果	事件日志、摘要索引	跨会话但会衰减
程序性记忆	成功工作流、技能和操作策略	规则、模板、技能库	版本化长期保存

生产链路应把“写入”和“召回”分开治理。写入前判断信息是否明确、稳定、有用且允许保存，并做去重、脱敏、归属和有效期标记；召回时综合语义相关度、时间新鲜度、重要性和权限过滤，只把少量有证据的记忆注入上下文。用户纠正信息后要形成新版本或覆盖旧值，敏感数据支持查看、删除和审计。

完整版教学

一、记忆不是模型参数里的“记住了”

Agent 运行时记忆通常是应用层能力，不等于重新训练模型。模型权重不会因为一次对话自动更新；所谓“记住用户喜欢无糖咖啡”，一般是系统把这个事实写进外部存储，在下一次请求中检索出来，再放回 Prompt。

这一区分很重要：参数知识难以逐条修改和删除，外部记忆则可以带用户 ID、来源、时间和权限。面试时若只回答“把历史存向量数据库”，就遗漏了状态管理、事实更新和隐私治理这些真正困难的部分。

记忆钩子：模型权重是出厂时学到的能力，Agent 记忆是运行时可写、可查、可改、可删的外部状态，两者不能混为一谈。

用户输入 -> 判断是否值得记 -> 外部存储
                               |
新任务 -> 生成检索条件 -> 权限过滤 -> 召回少量记忆 -> 上下文

二、工作记忆服务于当前任务

工作记忆类似人在解题时使用的草稿纸，保存当前目标、计划位置、已知约束、工具观察和中间结果。它既可以直接放在上下文里，也可以放在状态机或任务数据库中，每一步只投影模型当前需要的部分。

例如订票 Agent 的工作记忆包含“上海到北京、周五下午、预算 800 元、尚未选车次”。搜索工具返回 50 个车次时，不必把原始响应永久塞进历史；可以提取满足条件的 5 个候选及查询 ID。任务完成或取消后，大部分工作状态都应过期。

工作记忆过长会挤占上下文，过短则导致重复调用工具或忘记约束。因此应记录结构化状态，并用版本号或步骤 ID 防止模型把旧观察当成新结果。

三、长期记忆至少有三种语义

语义记忆保存相对稳定的事实，例如用户语言、饮食禁忌和团队技术栈；情景记忆保存一次具体经历，例如“上周部署因迁移脚本失败并回滚”；程序性记忆保存怎样完成任务，例如“发布前先跑回归，再灰度 5%”。三者的检索和更新规则不同。

记忆	查询问题	更新方式	典型风险
语义	这个用户现在偏好什么	新事实覆盖或形成有效期	旧偏好仍被使用
情景	以前发生过类似故障吗	追加事件，按时间衰减	偶然事件被过度泛化
程序	这类任务应按什么步骤做	审核后发布新版本	未验证经验变成规则

把三类内容全塞进一个向量集合，会让一次闲聊和正式规则以相似权重被召回。更稳的做法是分集合或至少分类型字段，并给每类设置不同的排序、权限和有效期。

四、写入门控决定记忆质量上限

用户每句话都长期保存会产生噪声、矛盾和隐私问题。写入门控应回答四问：内容是否明确，未来是否有用，是否足够稳定，是否获得保存授权。“我今天有点冷”通常不值得存；“以后所有报告都用中文”可能值得存；银行卡号即便有用，也不应进入普通记忆库。

一次对话有 200 条消息，若无差别写入，半年后可能积累 3 万条碎片。假设真正有长期价值的只有 2%，有效项约 600 条；先做门控不仅降低存储量，更避免 2.94 万条噪声干扰召回。

写入记录至少携带：主体、事实、来源消息、时间、置信度、记忆类型、有效期和敏感级别。模型抽取出的候选事实不能直接视为真值；关键偏好可以请用户确认，业务事实则应从权威系统读取。

五、召回不是只看向量相似度

“我对花生过敏”和“推荐花生酱早餐”在语义上非常相关，但召回系统还要保证它属于当前用户、仍然有效，并且重要性足够高。常见综合打分可以写成：

score = 0.50 × relevance
      + 0.20 × recency
      + 0.25 × importance
      + 0.05 × confidence

权重必须通过业务评测调整，不能照抄。安全禁忌可能始终拥有最高优先级，不应因时间衰减而消失；一次普通浏览记录则可以快速衰减。权限过滤应发生在向量排序之前或检索层内部，不能先召回别人的数据再指望 Prompt 不泄露。

召回后还要去重和解决冲突。若同时命中“喜欢靠窗座位”和后来的“现在更喜欢过道”，应按有效期选择新值，同时保留变更来源以供审计。

六、摘要和原始事件各有用途

情景记忆常用摘要节省 token，但摘要是有损的。一次故障的摘要可能写“数据库超时导致发布失败”，原始事件里却有具体时间、查询和回滚命令。日常检索先返回摘要，真正需要诊断时再按事件 ID 展开原始证据，能兼顾成本与可追溯性。

事件日志（不可变、可审计）
   -> 事件摘要（便于召回）
   -> 周期聚合（形成长期模式）

周期聚合不能把相关性误写成因果性。连续三次周五失败，可能只是巧合；程序性记忆应由足够样本或人工审核后再生成，不能让 Agent 自动把每次成功轨迹都升级为标准流程。

七、遗忘和纠错是记忆系统的一部分

长期保存不等于永久有效。记忆可能因用户偏好变化、业务事实更新、保存期限到期或用户删除请求而失效。系统需要硬删除、到期淘汰、时间衰减和新版本覆盖等机制，并处理向量索引、缓存、备份中的同步删除。

用户说“不要再记住我的城市”时，只在主库删一行却保留向量副本，后续仍可能被召回。可靠删除要追踪记忆 ID 在各存储层的传播，并记录删除完成状态，但审计日志本身应避免保留被删除的敏感原文。

纠错也不能简单追加一句相反事实。应让旧记录失效或缩短有效期，建立 supersedes 关系，并确保默认查询只返回当前版本。

八、如何评估记忆是否真的有用

离线评测需要同时覆盖写入和召回。写入侧看有价值事实的召回率、无价值内容的误写率、敏感信息拦截率；召回侧看正确记忆命中率、跨用户泄露率、过期事实使用率以及注入后任务完成率。

构造 1000 个测试会话，其中 200 条应写入。如果系统写入 240 条，正确写入 180 条，则写入召回率是 180/200=90%，精确率是 180/240=75%。只看召回率会忽视 60 条噪声，而这些噪声会长期污染后续任务。

线上还应观察每次注入的记忆条数和 token、用户纠正次数、删除请求完成时间及“使用记忆反而使答案变差”的比例。A/B 测试要以任务成功率为主，而不是以召回数量为主。

九、常见误区与追问

误区：对话历史就是 Agent 记忆。 历史只是工作记忆的一种载体，长期记忆还需要写入、索引、更新和治理。
误区：所有记忆都适合放向量库。 精确偏好和当前状态更适合结构化存储，向量库适合语义召回。
误区：存得越多，Agent 越懂用户。 噪声、冲突和过期事实会降低召回质量，并扩大隐私风险。
误区：相似度最高的记忆一定最重要。 还要考虑用户隔离、时效、重要性、置信度和业务规则。
误区：摘要能完全替代原始事件。 摘要有损，重要判断需要能回溯到原始证据。
追问：短期记忆什么时候转长期？ 通过写入门控，只把明确、稳定、未来有用且允许保存的内容提升为长期记忆。
追问：如何处理互相矛盾的偏好？ 使用时间和有效期建版本关系，默认召回当前值，同时保留来源供核对。
追问：怎样防止跨用户记忆泄露？ 以租户和用户为强制过滤键，在检索层执行权限过滤并做专门的越权测试。

十、加强记忆

记 Agent 记忆可以用“工作、事实、经历、技能”四格：工作记忆支撑当前任务，语义记忆保存稳定事实，情景记忆保存发生过的事件，程序性记忆保存经过验证的流程。系统质量由两道门决定——写入门过滤噪声和敏感信息，召回门综合相关性、时效、重要性与权限；之后还必须支持冲突版本、过期衰减、用户删除和证据回溯。记忆的目标是让下一步决策更可靠，不是让数据库无限变大。

简化版

详细版