为什么 AI 会＂失忆＂?——读懂 Agent 的记忆系统(一)

你有没有过这样的时刻：上周刚跟客服机器人说过“我对花生过敏”，这周它又热情地给你推荐花生酱饼干；昨天让助手帮你订了靠窗的机票，今天再让它订票，它对你的偏好一无所知。我们对一个“人”会说“我不是说过吗”，却很少对 AI 说——因为它们大多数真的没有“上次”。

这是《深入理解 AI Agent：设计原理与工程实践》第 3 章的通俗版第一篇。书名听着吓人，要解决的问题却特别日常：怎样让 AI 在对话结束后，仍然记住你、记住知识。 我不打算堆术语，而是用订机票、预约保养这类场景，带你把整套记忆系统过一遍。读完这一篇，你会先有一副清晰的骨架；后面四篇，我们再把每根关节拆开来填细节。

一、AI 有两种“记忆”：一个关于你，一个关于世界

先分清最容易混淆的一点。当工程师说 Agent 有记忆，指的是尺度完全不同的两件事。

用户记忆是围绕“你这一个人”的。Agent 在一次次接触中逐渐了解你的偏好、习惯和身份，攒出一份专属档案——它让你从“一个用户”变成“一个被认识的人”。知识库恰恰相反，它是所有用户共享的集体知识：某行业的法规、某公司的内部流程、某领域的专业文档。前者让 Agent 成为“懂你的助手”，后者让 Agent 成为“领域专家”。

一个比喻：用户记忆像你的私人助理，记得你喝咖啡不放糖；知识库像一座图书馆，谁都能进去查资料。

耐人寻味的是，这两件事管辖的范围天差地别，却共用同一套底层技术——向量检索、知识压缩——也踩同样的坑：信息会互相冲突、知识会过期、检索会找不准。所以它们被放在同一章里讲：治它们的，往往是同一批药方。

二、“记忆”不是录音，而是提炼

很多人以为让 AI 有记忆，就是把对话一句句存下来。这么做的问题很直接：绝大部分对话是“废话”，全存下来既臃肿，又会干扰后续检索。

真正的做法，是在一段对话结束后，额外调用一次大模型，让它读一遍刚才的对话，挑出值得长期记住的东西。以书里订机票的对话为例：

用户：帮我订下周五去东京的机票。我偏好靠窗，另外我是素食者，需要特殊餐食。 Agent：好的，我来搜索下周五去东京的航班……（调用航班搜索工具，返回 3 个选项） Agent：这是结果。按你的偏好，我筛选了有靠窗座位的。要订 ANA 这班直飞吗？ 用户：好，用我的美联航里程号 12345678。

对话结束后，框架会提炼出这样的记忆：

PLAINTEXT
提取到的记忆：
- 用户偏好靠窗座位（偏好）
- 用户是素食者，航班需特殊餐食（饮食限制）
- 用户的美联航里程号：12345678（常旅客计划）
- 用户近期有去东京的出行计划（近期活动）

关键在于，提取不是照抄，而要同时满足三条规则：选择性（“搜索返回 3 个选项”这类短期细节直接丢掉）、抽象化（把“这次要了靠窗”上升为“偏好靠窗”）、结构化（用可检索的字段存下来，而不是一段散文）。这三点看着朴素，却决定了记忆系统好不好用——存错了、存杂了，后面再怎么检索都是白搭。

三、什么样的记忆算“好”？三把尺子

动手设计之前，得先回答：怎样才算一个好记忆系统？没有标准，后面每种方案的优劣就无从评判。

学术界有个公认的长对话记忆基准叫 LoCoMo，它构造了平均约 300 轮、最多 35 个会话的超长对话，专门考验模型能不能记住并理解这么长的交流。书里综合这类基准和商业产品实践，把 AI 的记忆能力归成三个递进的层次——它会贯穿整个系列：

第一层，基础回忆。 存得准、取得回。你说“我的会员号是 12345”，需要时它能原样吐出来。听着简单，但这是地基。

第二层，多会话检索。 信息来自不同对象、不同时间，Agent 要把相关的都找齐再做判断。比如一个用户有两辆车，他说“帮我预约保养”，系统得翻出两辆车的全部信息，再主动问“要为哪一辆”——而不是随便猜一辆。

第三层，主动服务。 这是最高标准，相当于从“工具”升级为“助理”。它要在没有明确指令时，就把散落的信息串起来：订国际航班时主动关联几个月前存的护照，发现快过期就预警；手机坏了，主动把原厂保修、信用卡附加保修、运营商保险整合成一份完整清单。

这三层是一级一级往上搭的：地基不牢，就谈不上“主动”。

四、记忆也分“楼层”

有了标准，就能谈设计了。书里把记忆设计拆成三个维度：放哪里、怎么存、存什么。这一篇先讲“放哪里”。

就像人有“工作记忆”和“长期记忆”，Agent 的记忆也分层：

轨迹（Trajectory） 是一次运行过程中的完整流水账——你说的每句话、模型每次回复、工具返回的每个结果，按时间顺序一直追加，只增不改（计算机里叫 append-only）。它给 AI 提供“刚才发生了什么”的即时上下文。

用户长期记忆是跨会话沉淀下来的稳定信息，会被反复改写、合并、淘汰，通常以键值对的形式绑在某个用户 ID 上。

轨迹是流水账，长期记忆是档案：前者记录过程，后者保存结论。

小结

骨架已经搭好：AI 的记忆分“用户记忆”和“知识库”两个尺度；记忆不是录音，而是靠额外一次大模型调用提炼出来的；判断好不好，看它能不能从“基础回忆”走到“主动服务”；而存储上，它有“轨迹”和“长期记忆”两层。

骨架有了，剩下的问题是：一条“用户偏好靠窗”，到底该以什么形式存？存成便签、段落，还是一张带身份的卡片？下一篇《AI 该怎样“记笔记”？》就来回答。