[好文分享] 理解AI 智能體中的記憶機制 Leonie Monigatti 最新發布的“Making Sense of Memory in AI Agents”，系統梳理了當前智能體記憶系統的核心概念、分類、管理方式及挑戰。由於LLM 本身是「無狀態」的，它們無法自然記住跨會話的歷史交互，因此開發者必須透過外部機制為智能體構建「記憶」能力，讓智能體能學習使用者偏好、累積經驗並持續改進。 什麼是智能體的記憶？ · 核心定義：智能體記憶是指讓智能體在多次使用者互動中記住、回憶和遺忘重要資訊的能力。這不僅是保存聊天記錄，更是讓智能體具備「學習」與「適應」能力。 · 為什麼需要記憶？ LLM 只記得訓練時學到的知識（參數知識），每次對話預設從零開始。如果不人為注入歷史訊息，智能體就會“失憶”，無法提供個人化、連貫的服務。 · 關鍵區分： · 「記憶」（memory）指儲存和檢索資訊的整個能力系統。 · 儲存位置叫做“記憶模組”，裡面保存的是“資訊”，而不是“回憶”（memories）。 · 智能體記憶（Agent Memory）：泛指提供智能體記憶的能力。 · 智能體化記憶（Agentic Memory）：記憶系統本身也能自主管理（例如智能體透過工具呼叫自己讀寫記憶）。 記憶的兩種主要分類視角 1. 基於認知架構的分類（模仿人類記憶，來自CoALA 論文和SOAR 架構） · 工作記憶（Working Memory）：儲存目前情境視窗內的內容，相當於人類正在進行的對話，例如目前會話中使用者發出的指令和智慧體的回應。 · 語意記憶（Semantic Memory）：儲存事實性知識，類似人類在學校學到的不變知識，例如「使用者有一隻叫Henry 的狗」或「使用者的生日是8月15日」等固定資訊。 ·程序記憶（Procedural Memory）：儲存技能、規則和本能，類似於人類學會騎自行車後不必再思考的動作，例如係統提示中寫死的固定行為規則，如「每次回答問題前必須先思考」或「使用工具時要遵循特定格式」。錄。 · 程序記憶（Procedural Memory）：儲存技能、規則和本能，類似於人類學會騎自行車後不必再思考的動作，例如係統提示中寫死的固定行為規則，如「每次回答問題前必須先思考」或「使用工具時要遵循特定格式」。 2. 基於設計模式的分類（Letta 框架，更注重工程實作） Letta 認為過度擬人化不利於工程實現，因此採用更務實的劃分： · 訊息緩衝區（Message Buffer）：目前會話的最近訊息（短期、在上下文內）。 · 核心記憶（Core Memory）：智能體主動維持的關鍵事實（也在脈絡內，例如使用者生日、伴侶名字）。 · 回憶記憶（Recall Memory）：完整的原始對話歷史（通常存外在）。 · 存檔記憶（Archival Memory）：明確提煉出的知識，存在向量資料庫等外部儲存中（長期）。 兩種分類的對應： · CoALA 的工作記憶≈ Letta 的消息緩衝區+ 核心記憶· CoALA 的長期記憶（語義/情節/程序）大部分對應Letta 的存檔記憶· Letta額外區分了“原始對話歷史”（recall memory），CoALA沒有單獨列出。 記憶管理：如何存、取、更新、遺忘？ 1. 情境視窗內管理（短期記憶） · 問題：對話越長，token 越多→ 速度慢、費用高、容易混入無關資訊。 · 常用技巧：手動剪枝老消息、定期總結歷史（只保留摘要）。 2. 外部儲存管理（長期記憶） 核心操作（ADD / UPDATE / DELETE / NOOP）： · 新增資訊· 更新過時資訊（如用戶搬家了） · 刪除無用/錯誤訊息（防止記憶膨脹） · 無需操作 3. 上下文↔ 外部儲存的流動機制· 顯式記憶（熱路徑）：智能體即時判斷哪些資訊重要，自己調用工具寫入長期記憶（類似人類有意識記住某事）。實現難度大，可靠性低。 · 隱式記憶（後台處理）：依固定規則定時更新，更可控。常見時機： · 會話結束後批次處理· 每隔固定時間/輪數處理· 每輪對話後立即處理（即時性強） 實作方式與挑戰· 儲存位置：目前對話用列表，指令用文字文件，長期知識用向量資料庫或圖資料庫。 · 主要挑戰： · 延遲：每次讀寫記憶都會拖慢反應速度。 · 遺忘機制：最困難的部分－如何自動判斷並刪除過時資訊？做不好就會導致記憶無限膨脹、品質下降。 · 現有框架： · 專注記憶：mem0、Letta、Cognee、Zep · 通用智能體框架（附記憶支持）：LangChain/LangGraph、LlamaIndex、CrewAI、Google ADK 核心結論與啟示 1. LLM 天生無記憶，必須外掛記憶系統才能實現真正「智能」的智能體。 2. 目前記憶設計有兩個想法：擬人化（CoALA 式）和工程化（Letta 式），未來可能融合。 3. 最關鍵的技術困難在於「資訊在短期↔長期記憶之間的智慧流動」與「可靠的自動遺忘」。 4. 這個領域正處於高速發展期，已吸引大量資本和開源項目，預計2026 年將湧現更多成熟方案。 部落格網址：
![[好文分享] 理解AI 智能體中的記憶機制
Leonie Monigatti 最新發布的“Making Sense of Memory in AI Agents”，系統梳理了當前智能體記憶系統的核心概念、分類、管理方式及挑戰。由於LLM](https://pbs.twimg.com/media/G6PZArJbsAAu9LI.jpg)