记忆系统 (Memory)

记忆系统决定了 Agent 能否在长时程、跨会话的任务中保持连贯性。如果说 LLM 是 Agent 的大脑，Memory 系统就是它的海马体。

记忆的三层架构

记忆的生命周期

Formation（形成）     →  自动摘要、知识蒸馏、结构化编码
       ↓
Evolution（演化）     →  合并去重、冲突更新、过期遗忘
       ↓
Retrieval（检索）     →  向量检索 + 图检索混合，重排序 + 相关性过滤

Formation（形成）

• 语义摘要：自动生成会话摘要
• 知识蒸馏：提取关键实体和关系
• 结构化编码：转化为 JSON/Markdown 存入外部存储

Evolution（演化）

• 合并 (Consolidate)：相似记忆去重合并
• 更新 (Update)：冲突检测与版本管理
• 遗忘 (Forget)：过期信息自动清理

Retrieval（检索）

• 触发时机：事件驱动（主动）/ 按需查询（被动）
• 检索策略：向量检索 + 图检索的混合检索
• 后处理：重排序、相关性过滤

协同交互循环

用户发起查询
    ↓
【检索长期记忆】→ 向量相似度搜索 → Top-K 记忆片段
    ↓
【构建增强上下文】→ 系统指令 + 记忆片段 + 对话历史 + 当前查询
    ↓
【LLM 推理执行】→ 调用工具 → 结果回上下文
    ↓
【生成响应】
    ↓
【更新长期记忆】→ 自动摘要 → 关键事实提取 → 存入向量数据库（可选）

实现对比

💡 最佳实践：短期记忆靠上下文窗口，长期记忆靠向量数据库 + 结构化摘要。记忆是 Agent 的核心竞争力之一。