智能体记忆是什么？让 AI 记住过去的对话和经验

智能体记忆（Agent Memory）是让 AI 智能体在任务过程中存储、检索和利用信息的机制。大语言模型本身是“无状态”的：每次调用都是一次独立的计算，聊完就忘。要让智能体能记住用户的偏好、之前做过的事、学到的经验，在多轮交互和不同任务之间保持一致，就需要专门的记忆机制。这个概念随着基于大模型的智能体系统发展而逐渐成形，是构建长期交互能力的关键组成部分。

两层记忆

短期记忆：依托模型的上下文窗口，存放当前任务的对话历史、中间结果和工具调用返回的信息，用于即时的推理和决策。它就像人的工作记忆，容量有限，上下文窗口满了，早期的内容就会被截掉或压缩。

长期记忆：存放在模型之外的外部系统里，比如向量数据库、普通数据库或文件，在需要时被检索出来，注入到模型的上下文中。它可以保存用户的基本信息和偏好、过去对话的要点、完成过的任务和经验教训、领域知识等，容量几乎没有上限。

通过这种分层结构，智能体既能处理当前的输入，又能结合历史信息进行连续推理，提升了任务的一致性和决策的准确性。

记忆的难点

记什么：不是所有信息都值得记住，记太多会让检索变慢、引入噪声，需要判断哪些信息重要。怎么组织：按时间、按主题，还是总结成要点？很多系统会定期把对话压缩成摘要，或者提炼成结构化的“事实”。何时调取：在恰当的时机检索出真正相关的记忆，而不是把一堆无关的历史塞进上下文。怎么更新和遗忘：用户的偏好变了，旧的记忆要更新；过时或错误的信息要能删除。

隐私提醒

长期记忆意味着智能体会保存用户的个人信息。好的产品应该让用户能看到 AI 记住了什么，并且可以随时修改和删除，敏感信息要谨慎存储。ChatGPT、Claude 等产品的记忆功能都提供了查看和管理的入口。