Agent Memory 学习笔记：我如何理解智能体长期记忆

type

Post

status

Published

date

Aug 17, 2025

slug

agent-memory-learning-notes

summary

我把 Agent Memory 理解成智能体从一次性助手走向长期协作者的基础能力，关键在于写入、检索、更新和遗忘机制。

📝 主旨内容

如果 Agent 每次对话都从零开始，它就很难成为真正的长期助手。

我在使用各种 Agent 工具时，经常会遇到一个问题：它能完成当前任务，但下次又忘了我的偏好、项目背景和历史决策。这样一来，我就必须反复解释同样的信息。

Agent Memory 想解决的正是这个问题。它让 Agent 能保存长期信息，在需要时检索出来，并把历史上下文用于新的任务。

我现在会把 Agent 记忆分成几类：

不同记忆不能混在一起。比如用户偏好和一次任务日志的生命周期就完全不同。

记住错误信息，比忘记更危险。

Agent Memory 不是简单把所有内容存进向量库。它需要判断什么值得存、什么时候更新、什么时候过期、什么内容不能保存。如果记忆里有错误或过时信息，Agent 会在后续任务里持续放大这个错误。

我会给记忆系统加这些规则

学习 Agent Memory 后，我更清楚长期 Agent 的基础问题：不是模型会不会回答，而是它能不能在正确时间想起正确的信息。

作为学习者，我后面会重点研究记忆写入策略、检索策略和过期机制。没有这些治理，记忆系统很容易从能力变成噪声。

💡

我现在的判断是：Agent Memory 不应该默认全量记录，而应该像一个有边界的知识库，只保存真正能帮助后续工作的内容。