AI Agent 的记忆,根本不是“它真的记住了”

很多人一听“AI Agent 记忆”，脑子里会同时冒出一堆词：

• RAG
• 向量数据库
• 长期记忆
• 聊天历史
• SQLite
• HNSW

看起来都像一回事，其实不是。

把这件事讲透，只需要一句话：

Agent 不是像人一样把东西记在脑子里，而是系统在替它管理信息。

理解了这句话，后面所有概念都会顺很多。

Agent 的“记忆”，其实只有三种

1. 短期记忆

就是当前这次对话正在用的信息。

比如你刚问了一个问题，下一句继续追问，它还能接得上。不是模型突然有了永久记忆，而是系统把前面的内容继续带给它了。

所以短期记忆本质上就是：当前上下文。

你可以把它理解成 Agent 手里正拿着的便签。

2. 长期记忆

就是以后还可能反复用到的信息。

比如：

• 你的长期偏好
• 你一直在做什么项目
• 某个项目固定的背景和约束
• 某些值得保留的经验结论

这不是把所有聊天记录都存起来，而是只留下“以后还可能有用”的部分。

所以长期记忆本质上就是：有选择地保存重要信息。

你可以把它理解成 Agent 抽屉里长期留着的笔记。

3. RAG

RAG 说白了就是：需要时去查资料。

比如去查：

• 知识库
• 文档
• 代码
• 笔记
• 历史资料

它不等于“记住了”，更像“遇到问题先翻书”。

所以：

• 短期记忆，保证当前这次对话不断片
• 长期记忆，保证下次见面还能接上
• RAG，保证不会的时候知道去哪查

这三样经常一起出现，所以很多人容易混。

那向量数据库到底是什么？

向量数据库不是记忆本身，它只是一个找东西的工具。

做法通常是：

• 先把文档变成向量
• 再把用户问题也变成向量
• 然后去找“意思最接近”的内容

所以向量数据库更像一个“按语义检索”的引擎。它可以被拿来做 RAG，也可以拿来做长期记忆检索，但它本身不等于记忆系统。

很多文章喜欢一句话带过：“接个向量库，Agent 就有记忆了。”这话不算全错，但不准确。

因为真正的记忆系统，不只是“能存、能搜”，还要解决这些问题：

• 什么值得存
• 什么不值得存
• 旧信息怎么更新
• 冲突信息怎么处理
• 什么该长期保留
• 什么应该忘掉

这些才是记忆系统真正难的地方。

那为什么有些 Agent 用 HNSW？

HNSW 是向量检索里很常见的一种方法。你不用记全名，只要知道它是干什么的：

它是为了让“按意思找内容”这件事更快、更稳。

为什么很多 Agent 喜欢用它？

因为 Agent 很怕漏掉关键资料。普通搜索漏一条结果，可能无所谓；但 Agent 如果少拿到一段关键上下文，后面的回答可能整条跑偏。

所以 Agent 很在意两件事：

• 找得准
• 找得快

HNSW 在这两件事之间，通常是一个很稳的平衡点，所以在很多向量库和 RAG 系统里都很常见。

简单说就是：HNSW 适合做语义检索。

那为什么有些 Agent 又用 SQLite + FTS5？

因为不是所有 Agent 都在解决“语义检索”问题。

很多 Agent 处理的内容，其实更适合按“字面”找，比如：

• 报错信息
• 函数名
• 类名
• 配置项
• 文件路径
• 命令参数
• 版本号

这些内容最重要的不是“意思接近”，而是精确字符串本身。

这时候，用 SQLite + FTS5 往往更合适。

FTS5 可以理解成 SQLite 里内置的一个轻量全文搜索能力，擅长按关键词、短语、文本内容去查。它特别适合：

• 本地运行
• 不想额外部署服务
• 数据规模不大
• 需要强关键词检索
• 需要好调试

所以很多本地 Agent、代码助手、日志助手，很喜欢 SQLite + FTS5。不是因为它们“技术落后”，而是因为它们解决的问题更实际。

简单说就是：

• FTS5 更像按字面找
• HNSW 更像按意思找

真正该问的，不是谁更高级

很多人总想问：

到底 #HNSW 高级，还是 #SQLite + #FTS5 高级？

其实这问题问偏了。

不是谁更高级，而是你到底在找什么。

如果你主要找的是：

• 报错
• 路径
• 配置项
• 名称
• 命令
• 明确关键词

那 SQLite + FTS5 往往很好用。

如果你主要找的是：

• 语义相近的内容
• 换种说法也要找到
• 文档里没有原话但意思接近的片段

那 HNSW 这类向量检索方案更合适。

为什么很多系统最后两种都用？

因为现实里的用户提问，往往同时包含两种信号：

• 一部分是关键词
• 一部分是语义意图

比如一句话里，既有产品名、报错名、函数名，也有模糊的自然语言问题。

这时候只靠关键词不够，只靠语义也不够。于是很多真正能打的系统，最后都会走向一个更实用的方案：

关键词检索 + 语义检索一起上。

也就是：

• 用 FTS5 负责按词找
• 用向量检索负责按意思找
• 最后把结果合并

这才更接近真实世界。

总结

AI Agent 的记忆，不是模型突然像人一样“全都记住了”，而是系统把信息分成三类：

• 当前马上要用的，放在眼前
• 以后还会用的，单独存起来
• 需要时再去外面查的，临时检索回来

而 HNSW、向量库、SQLite、FTS5，本质上都只是这套信息管理体系里的不同工具。

Agent 不是会记忆，而是会管理信息。