什么是 Agent 记忆？
Agent 记忆是 AI Agent 可跨步骤或会话使用的信息存储与检索机制，必须具备明确的范围、来源、有效期、访问控制和删除规则。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
Agent 记忆不等于聊天记录或向量数据库。生产设计需要区分：用于恢复一次运行的线程状态、可跨会话复用的长期记忆、权威业务数据和审计记录。只有具有明确用途与来源的信息才应写入；事实被修正时应保留时态版本而不是静默覆盖；检索前必须按权限、范围、有效期和相关性过滤。语义事实、情景证据和程序性规则需要不同的写入与审查策略。被召回的文本仍是不可信输入，高影响或易变事实必须回查权威系统；删除也应传播到索引、摘要、缓存和副本。
主要特点
- 用于恢复当前会话或工作流的线程状态
- 具有独立策略的长期事实、偏好、情景与程序性记忆
- 来源、置信度、用途、敏感度与时间有效期
- 通过版本化纠正和到期机制替代静默覆盖
- 词法或语义检索之前先执行授权和范围过滤
- 覆盖完整生命周期的删除、审计与评测
常见用途
- 保存经用户确认和授权偏好的个人助手
- 可继续已获授权案件、但不把历史当作事实源的客服 Agent
- 保留带来源和时间上下文的研究结论的 Agent
- 经审查后复用仓库流程的编程 Agent
- 具备访问和保留控制的学习进度追踪系统
示例
Loading code...常见问题
什么是 AI 中的 Agent 记忆？
Agent 记忆是运行时允许 Agent 跨步骤或会话检索的信息。它可以保存上下文、已确认偏好、带来源的事实或历史任务证据；但可靠记忆还必须具备范围、来源、有效期、访问控制、纠正和删除机制。能在重启后留存的聊天记录或向量索引本身并不构成记忆架构。
Agent 记忆有哪些类型？
常见类别包括单次运行的线程状态、经验证事实和偏好的语义记忆、历史任务和结果的情景记忆，以及可复用规则的程序性记忆。权威业务数据和不可变审计日志虽与它有关，但拥有不同的所有者和真实性保证，不应直接被当作 Agent 记忆。
Agent 记忆是如何实现的？
常见实现以事务记录库作为事实源，再构建词法、向量、时间或图索引等派生视图。写入时记录主体、来源证据、断言类型、置信度、用途、敏感等级和有效期；检索时先认证，再过滤租户和用途范围，排除过期或已删除记录，最后才搜索、重排并控制 Token 预算。
Agent 记忆和 RAG 有什么区别？
RAG 通常从外部文档检索信息来支撑回答；Agent 记忆则保存从历史交互或运行中选择出的信息。二者可以重叠，但不能混为一谈：外部知识需要来源新鲜度和文档治理，记忆需要写入策略、用户范围、时态更新和删除机制。两条检索路径都可能返回不可信内容。
Agent 记忆有哪些挑战？
主要难点是决定什么可以写入、避免保留敏感或临时信息、处理时态冲突、防止跨租户泄漏、抵抗召回文本中的指令注入，以及证明删除已完成。评测应分别覆盖抽取、召回、时态推理、更新处理、拒答、隐私控制、延迟和删除，而不是只衡量最终回答是否显得个性化。