【第三部分：第一个 Agent 应用】13. 为 Agent 增加记忆能力：不是记住一切，而是在需要时想起正确的信息
本文围绕 Agent Memory 展开，重点说明记忆并不是简单保存全部历史，而是从对话、任务和工具结果中提取值得长期保留的信息，并在未来任务中按需召回。文章区分当前对话记忆、会话记忆、任务记忆、用户长期记忆、语义记忆、情景记忆、程序性记忆、工作区文件与项目知识，并进一步介绍 Memory Capture、Recall、更新、冲突处理、遗忘、作用域、权限与记忆污染等问题。核心观点是：Memory ≠ History，真正成熟的 Agent 应该记住有价值的信息，并在正确的时机重新进入 Context。
LangGraph+PostgreSQL 会话记忆持久化存储
本文详解LangGraph两大记忆体系：PostgresSaver实现线程级会话状态持久化（支持重启续聊、断点恢复），PostgresStore提供跨会话用户级长期记忆（支持命名空间管理、语义检索与工具化调用），二者协同构建生产级智能体完整记忆架构。
AI 写的代码跑过 326 条用例，我为什么仍不敢合并？
电商结算新功能“跨店优惠按金额分摊”上线在即。AI生成代码+326条测试全通过，覆盖率96%，但暴露同源偏差风险：测试与实现共享错误前提，掩盖分摊公平性缺陷。需以业务不变量（如总额精确、商品限额、顺序无关）为锚，辅以变异测试和黄金样本验证，确保账务零误差。
