Skip to main content

9.4.1 记忆路线图：写入、检索、遗忘

记忆不是为了让 Agent 看起来像人，而是为了服务任务：减少重复沟通、保留有用上下文、复用经验，并避免过期信息或隐私泄露。

先看记忆闭环​

Agent 记忆系统分层图

Agent 记忆系统章节学习顺序图

Agent 记忆写入与检索闭环图

核心决策不是“全部保存”，而是什么该保存、何时检索、何时更新、何时遗忘。

跑一个记忆写入过滤器​

只有稳定偏好和可复用事实才适合进入长期记忆。

events = [
    {"type": "preference", "text": "prefers short examples"},
    {"type": "temporary", "text": "debugging one local error"},
    {"type": "fact", "text": "project uses Python"},
]

memory = []
for event in events:
    if event["type"] in {"preference", "fact"}:
        memory.append(event["text"])

print("saved:", memory)
print("count:", len(memory))

预期输出：

saved: ['prefers short examples', 'project uses Python']
count: 2

如果一条记忆不有用、不新鲜、没权限或检索不到，它可能比没有记忆更伤害 Agent。

按这个顺序学​

步骤阅读实操产出
1记忆概览区分上下文窗口、短期记忆、长期记忆
2短期记忆跟踪跨轮次的当前任务状态
3长期记忆保存稳定偏好、事实和项目背景
4情节记忆与程序记忆区分发生过什么和下次怎么做
5记忆工程设计写入、检索、更新、过期和删除规则

通过标准​

如果你能解释为什么“记更多”不等于“表现更好”，就通过了本章。

本章出口小项目是一套学习规划助手记忆规则：什么保存、什么确认、什么临时保留、什么删除。