记住该记的,忘掉该忘的
—— 让 Agent 拥有真正的"记忆"
就像人脑有海马体负责将短期记忆转化为长期记忆,Agent 也需要一套记忆系统来管理信息。
容量有限,速度快
就像你正在对话时记住的内容
对话结束就可能遗忘
容量大,可检索
就像写在笔记本上的内容
随时可以翻阅回忆
记忆系统的核心理念是 选择性记忆——不是记住所有事情,而是
持久化存储层
基于 SQLite
负责记忆的增删改查
上下文压缩器
三种压缩策略
防止上下文溢出
就像图书馆的分类系统,记忆也按照用途分为三种类型:
对话历史
记录 Agent 与用户之间的交互过程。就像日记一样,记录"发生了什么"。
用户偏好 & 项目知识
存储事实性知识和偏好设定。就像百科全书,记录"知道什么"。
操作步骤
存储如何完成特定任务的知识。就像操作手册,记录"怎么做"。
MemoryStore 使用 SQLite 数据库来持久化存储记忆条目,每个条目包含丰富的元数据。
idkeyvaluecategoryimportancecreated_atlast_accessedaccess_countmetadata当对话消息超过上下文窗口阈值时,ContextCompactor 会自动压缩消息,防止上下文溢出。
保留最近的消息
最简单粗暴:只保留最近 N 条消息,丢弃更早的。像撕掉笔记本的前几页。
保留重要 + 工具调用 + 首尾
智能选择:保留重要消息、含工具调用的消息、以及第一条和最后一条。
LLM 生成摘要
用 LLM 将旧消息总结为一段摘要,替换原始消息。信息保留最完整。
让我们通过实际例子看看记忆系统的四种核心操作:
记忆系统如何与 Agent 整合?看这个完整的集成流程:
检验一下你对记忆系统的理解吧!
记忆的 importance 分数不是静态的,它会随时间衰减。评分算法考虑以下因素:
设计思路:就像人类记忆一样,经常被回忆的事情不容易遗忘(访问频率加成),而长期不用的记忆会慢慢模糊(时间衰减)。这种机制确保了 Agent 的记忆"活"起来,常用常新,不用则淡。
记忆整合的触发时机很关键:
| 触发条件 | 说明 |
| 定时触发 | 每天/每周自动执行一次清理 |
| 阈值触发 | 记忆总数超过设定上限时 |
| 手动触发 | 用户或管理员主动调用 |
| 空闲触发 | Agent 空闲时后台自动执行 |
最佳实践:建议在 Agent 空闲时定期执行 consolidate,而不是在处理用户请求时。就像图书馆会在闭馆后整理书架,而不是在读者借书时。
Smart 策略的"智能"体现在它的启发式选择算法:
核心洞察:首尾消息之所以重要,是因为首条消息设定了整个对话的背景和目标,末条消息是最新的上下文。中间的消息虽然可能包含有价值的信息,但优先级相对较低。这个算法就像翻书时会特别注意第一页和最后一页。
你已经理解了 Agent 如何像人脑一样管理记忆。
下一章我们将探索更高级的主题。