Agent记忆

Agent记忆概述

Agent记忆是使LLM Agent能够存储、检索和利用历史信息的机制。良好的记忆系统使Agent能够维持上下文连续性、从经验中学习、并在长期交互中保持一致性。

记忆类型

感觉记忆

当前输入的即时处理：

• 当前用户输入
• 最近的工具返回结果
• 临时状态信息

短期记忆（工作记忆）

当前会话的上下文：

• 对话历史
• 当前任务状态
• 中间推理结果

长期记忆

跨会话的持久化信息：

• 用户偏好和习惯
• 历史交互摘要
• 学到的知识和技能

实现技术

对话历史管理

• 滑动窗口：保留最近N轮对话
• 摘要压缩：将历史对话压缩为摘要
• 重要性评分：保留重要对话丢弃不重要的
• 分层存储：不同层级存储不同粒度

向量记忆

使用向量数据库存储和检索：

• 将对话和知识编码为向量
• 基于语义相似度检索
• 支持长期记忆的高效查询

结构化记忆

使用结构化格式存储：

• 用户画像（JSON）
• 知识三元组
• 任务状态

情景记忆

存储特定事件的完整信息：

• 关键交互的详细记录
• 重要决策的上下文
• 可回溯的事件序列

记忆操作

写入

新信息的存储：

• 选择存储的位置和格式
• 确定记忆的粒度
• 设置过期策略

检索

从记忆中获取相关信息：

• 语义搜索
• 关键词匹配
• 时间衰减
• 重要性排序

更新

修改已有记忆：

• 信息修正
• 重要性调整
• 过期清理

遗忘

删除不再需要的记忆：

• 过期自动删除
• 空间限制清理
• 隐私信息删除

设计考量

容量管理

• 设置记忆容量上限
• 实现记忆压缩和淘汰
• 平衡信息量和检索效率

一致性维护

• 避免记忆冲突
• 处理信息更新
• 保持跨会话一致性

隐私保护

• 用户控制记忆内容
• 敏感信息加密
• 支持记忆删除

实时性

• 记忆写入的及时性
• 检索的响应速度
• 更新的一致性

工具支持

• LangChain Memory：对话历史管理
• Mem0：通用记忆层
• Zep：长期记忆服务
• 向量数据库：通用记忆存储

Agent记忆是实现个性化和持续学习的关键能力，合理的记忆设计能够显著提升Agent的用户体验。