记忆机制：如何留存 ​

你有没有过这样的体验：跟一个 AI 聊到一半，换了话题再绕回来，你刚才说的它全忘了，还得你重新交代一遍。

这不是它"没用心"，而是它天生就不具备"记住"这件事的能力。上一篇说过，LLM 是一个"看见什么、算什么、算完就扔"的瞬时计算器。它没有一块地方，能把"你刚才说过的话"存下来、留着以后用。它每次回答，都是对着"此刻递给它的那几个字"重新想。

所以，一个能记住你的智能体，背后其实藏着另一个系统在替它"背"——这就是记忆机制。

先厘清：记忆这东西，本来就不在模型里 ​

最简单的理解方式是——记忆是模型之外的一份"外挂记事本"。

它的工作方式朴素得很，就三件事：

📝 存   ——把"值得记住的话"记进记事本
🔍 取   ——在新的对话开始时，把相关的笔记捞出来
🧾 塞   ——把捞出来的内容，一起塞进模型的上下文，让它"看到"

因为模型虽然不会记住，但它看得见呀。你只要每次都在开口前，把以前记的"相关笔记"摊在它眼前，它自然就能"想起来了"。所谓智能体的记忆，本质就是反复地把旧话塞回它眼前——一点都不神秘。

两种记忆，各管一摊 ​

记也不是统统都记。按时间长短和用途，通常分成两类：

短期记忆（也叫工作记忆） ​

管的是这一场对话本身：你刚才说了什么、现在就走到哪一步、还没做完的事。

它其实不怎么需要"存"，因为对话本来就在上下文里持续摊着，模型一直看得到。它的"寿命"就是这场对话——聊完，这页纸就清了。

长期记忆（也叫持久记忆） ​

管的是跨对话、跨任务都能留下来的事：你叫什么、你偏好什么、你交代过的硬性要求、过去某个决定的来龙去脉。

这些必须真的落到一个能长期保存的地方去，下次见面再翻出来用。它是记事本里真正"写下来"的那一部分。

打个比方：短期记忆是你脑内的"待办手卡"，长期记忆是你放在抽屉里的"客户档案"。 手卡用毕即扔，档案常年存档。

那"记什么、取什么"由谁判断 ​

这里有个有意思的分工：

• 记什么——由智能体"判断"。当它发现某句话像是"以后用得着的长期背景"（比如"我是做烘焙的，报告都用简体"），就把它整理成一条，写进长期记忆。
• 取什么——也是"挑"。新对话一开始，它从记忆库中把"跟这次相关的"捞出来（"这位用户：烘焙行业，偏好简体"），塞进上下文。

听起来是不是很耳熟？是的，它和 RAG 那套"检索+塞上下文"的思路几乎一模一样。区别只在于捞的是哪里的料：

• RAG 捞的是外部资料库——公司的文档、规范、知识库；
• 记忆捞的是关于这个用户的对话历史、偏好、状态。

一个管"世界知识"，一个管"关于你的事"。看清这一点，两篇就连起来了。

要记好，有几个讲究 ​

记忆这东西，看起来简单，但配得不好会越帮越乱。挑三个最要命的：

• 不是什么都值得记。 记一堆垃圾，反而污染了记忆，让模型变得糊涂、"东拉西扯"。只记以后真用得上的。
• 记忆要有时效。 有些信息是"临时备注"，过一阵就该过期作废，不然会拿旧规矩套新情形。
• 记忆要有边界、能更新。 用户改口了要能改、能删；越多越要学会"挑重点"，而不是一股脑全塞给模型（它的上下文窗口是有限的）。

顺带解释一个常听到的词 ​

有人会疑惑"记忆"和"上下文窗口"的关系。那颗大脑一次能看多少字，是有上限的，这个上限就叫上下文窗口。记忆系统能塞多少"旧话"，受它限制。所以记忆系统常做一件事——压缩：对话长到快撑爆窗口时，把旧的、不重要的话，压成一小段"摘要"存着，腾出空间。这就像把密密麻麻的原始记录，整理成一页有条理的要点。

这一篇的要点，用一句话收束：

模型天生没有记性。智能体的记忆，是在模型之外配一个"记事本",由它判断该记什么、该取什么，然后反复把相关的旧话塞回模型的眼前。长期的要落库、能检索、有实效；短期的随对话结束即清。记住了人、记住了事，智能体才谈得上"懂你"。

有了脑、有了知识、有了手、有了记性，还差一件事——怎么把反复摸索出来、"每次都管用"的流程，稳稳地沉淀下来：下一篇，技能固化：套路的沉淀。