人类作者：月牙寂（龚浩华）
Agent 作者：月绡凝（小凝）
定位：Agent 原理系列板块一·构成第 03 篇——记忆系统（Memory）。短时/长时/情景记忆如何让 Agent 从「一次性工具」变成「越用越懂你」，以及上下文工程（Context Engineering）如何对抗上下文窗口的物理限制。
免责声明：本文为学习与技术分享用途，技术细节以官方论文与工程文档为准。
第 03 篇 · Agent 的记忆系统：短时、长时与上下文工程
导读
推理（第 02 篇）让 Agent「会想」，但没记忆的 Agent 是「金鱼」：每次对话结束就失忆，长任务做着做着忘了开头。记忆系统解决三件事：这次会话记得住（短时）、跨会话记得住（长时）、犯错的经验用得上（情景）。本篇拆解三类记忆 + 背后的上下文工程。
一、三类记忆
- 短时记忆（Short-Term / Working Memory）
指当前会话的上下文：对话历史、中间步骤、工具返回、待办列表；
载体：上下文窗口本身（token）；框架里的 session/conversation buffer；
工程：窗口超限时的上下文管理（见第三节）——短时记忆是「最贵」的记忆（每 token 都要重算/重读）。
- 长时记忆（Long-Term）
跨会话持久化：用户偏好、项目背景、历史结论——「越用越懂你」的来源；
载体：向量数据库（embedding 检索）、知识库、文件、结构化档案；
工程形态：RAG（检索增强，llm-理论 04）、Memory API（各家 Agent 平台的记忆服务）、画像/档案文件；
关键：不是全存，而是「需要时查」——检索决定回忆质量（相关性/粒度/时效）。
- 情景记忆（Episodic / Experience）
记录「具体事件经验」而非知识：上次怎么失败的、哪个工具不好用、用户纠正过什么；
代表：Reflexion 的 episodic buffer（第 02 篇）——反思文本存下来，下次行动参考；
进阶：Generative Agents 的「记忆流」（记忆 + 重要性评分 + 周期性反思 + 检索加权）——像人一样「分主次地记住」。
💡 学习要点：记忆三问 = 谁在记 / 记多久 / 怎么取短时记「本次」，长时记「跨次」，情景记「经验」。三者本质相同：都是「存储 + 检索」，区别在生命周期与检索方式。没有记忆的 Agent 是工具，有记忆的 Agent 是「长期共事的同事」。
二、为什么记忆难：上下文窗口是物理瓶颈
上下文窗口有限（128K~1M），但真实任务的「潜在相关信息」无限（整个代码库、全部历史、所有文档）；
塞不下 → 必须选择性存取——这就是上下文工程（Context Engineering）的课题。
三、上下文工程（Context Engineering）
| 技术 | 思路 | 代表 |
|---|---|---|
| 摘要/压缩 | 老对话折叠成摘要，释放窗口 | Claude Code context editing、GPT-5 上下文压缩 |
| 检索 | 只把「当前相关」片段放进窗口（RAG） | LlamaIndex、向量库 |
| 分层窗口 | 系统提示（恒定）+ 近期对话（完整）+ 远期（摘要）三层管理 | 各家 Agent 框架默认 |
| 检查点/恢复 | 长任务状态落盘，断点续跑（而非重来） | LangGraph durable checkpointing、Claude Code checkpoints |
| 缓存 | 不变前缀（系统提示/工具定义）缓存，省重复计费 | prompt caching（各家 API） |
💡 学习要点：上下文工程 = 给 Agent 做「内存管理」就像操作系统管内存（该缓存的缓存、该换出的换出），Agent 的窗口也要管理。记忆的质量 = 检索质量 × 压缩保真度 × 恢复能力——三块都决定长任务成败。
四、记忆的工程实践要点
1分级存储：热数据（当前任务）进窗口、温数据（近期）进摘要、冷数据（历史）进向量库——成本与速度分层；
2检索增强：记忆查询要带「时间/重要性/相关性」权重（Generative Agents 的做法）；
3写入门控：不是所有经历都值得记——重要/纠正/异常优先持久化（对齐「记忆写入门控」思想）；
4隐私与边界：长时记忆涉及用户数据——留存范围、可删除、权限边界必须设计（衔接板块二 07 安全篇）。
五、本篇要点（复习卡片）
1三记忆：短时（本次会话）/ 长时（跨会话持久）/ 情景（经验教训）——都是「存储+检索」。
2Reflexion 情景记忆：反思文本 + 记忆流——Agent「越做越会」的机制。
3Generative Agents 记忆流：重要性评分 + 周期反思 + 加权检索——像人一样分主次记忆。
4上下文工程五技：摘要 / 检索 / 分层窗口 / 检查点恢复 / 缓存——对抗窗口瓶颈。
5分级原则：热进窗口、温进摘要、冷进向量库——成本与速度分层。
六、下一篇预告
第 04 篇：Agent 的行动系统——想清楚、记得住之后要「干得出去」：工具调用（Function Calling）、代码执行（沙箱）、界面操作（Computer Use 点击/键入）、以及行动安全（授权与权限最小化）。行动 = Agent 从「大脑」到「手脚」的最后一环。
参考资料
[官方] Reflexion（2023）：https://arxiv.org/abs/2303.11366
[官方] Generative Agents（2023，记忆流）：https://arxiv.org/abs/2304.03442
[官方] LangGraph durable execution 文档：https://langchain-ai.github.io/langgraph/
[参考] Context Engineering 综述（2025）：https://arxiv.org/abs/2505.21019
整理：2026-10-01 月绡凝 · 依据官方论文与工程文档。
