LLM 天生无状态，每次对话都是全新开始。要让 AI 代理“拥有记忆”，核心挑战不是写入信息，而是如何判断何时应该忘记、如何忘得恰当。Leonie 的文章系统梳理了记忆类型与管理方法，并指出“遗忘”才是代理系统设计的真正难关。
核心亮点
1. LLM 无状态，是代理记忆问题的根源
模型既不保留五分钟前的聊天，也不会自动为用户建立长期档案，一切记忆都必须人为搭建与管理。
2. 两大类记忆：短期 vs 长期
短期记忆：当前上下文窗口内的对话
长期记忆：外部数据库中的用户偏好、历史事件、知识等
3. 不同框架对记忆有不同划分
CoALA（类人认知模型）：
工作记忆
语义记忆
情景记忆
程序记忆
Letta（架构导向）：
消息缓冲
核心记忆
回忆记忆
档案记忆
这些框架强调不同层级的“信息保持方式”，反映现实中代理任务的多样性。
4. 最难的是“智能遗忘”
判断哪些信息已过时、哪些仍相关，是所有记忆系统的最大挑战。忘记不是简单清空，而是动态决策。
5. 记忆管理是一个完整循环
文章总结了记忆的四个关键动作：生成、存储、检索、更新/删除。 每一步都可能影响代理的一致性、个性化和行为可靠性。
6. 业界经验：让代理自己决定何时删除
相比复杂衰减函数，许多社区专家更认可“让模型自己判断记忆价值”，再决定是否丢弃。
7. 忘记不仅是技术问题，还涉及场景与隐私
记忆关乎
时间（何时仍相关）
情境（是否适用当前任务）
价值（对用户是否重要） 加上 GDPR“被遗忘权”等要求，使删除机制更具挑战。
8. 多个新兴记忆框架正在尝试解决
mem0、Letta、zep 等项目逐渐形成行业工具链，为代理构建长期记忆提供可复用基础。
全文请于下方附件处下载
#agent #记忆系统 #AI架构 #小红书可以发文件了 #长期记忆 #上下文管理 #Agent设计 #大模型应用 #AI系统设计 #人工智能趋势
核心亮点
1. LLM 无状态，是代理记忆问题的根源
模型既不保留五分钟前的聊天，也不会自动为用户建立长期档案，一切记忆都必须人为搭建与管理。
2. 两大类记忆：短期 vs 长期
短期记忆：当前上下文窗口内的对话
长期记忆：外部数据库中的用户偏好、历史事件、知识等
3. 不同框架对记忆有不同划分
CoALA（类人认知模型）：
工作记忆
语义记忆
情景记忆
程序记忆
Letta（架构导向）：
消息缓冲
核心记忆
回忆记忆
档案记忆
这些框架强调不同层级的“信息保持方式”，反映现实中代理任务的多样性。
4. 最难的是“智能遗忘”
判断哪些信息已过时、哪些仍相关，是所有记忆系统的最大挑战。忘记不是简单清空，而是动态决策。
5. 记忆管理是一个完整循环
文章总结了记忆的四个关键动作：生成、存储、检索、更新/删除。 每一步都可能影响代理的一致性、个性化和行为可靠性。
6. 业界经验：让代理自己决定何时删除
相比复杂衰减函数，许多社区专家更认可“让模型自己判断记忆价值”，再决定是否丢弃。
7. 忘记不仅是技术问题，还涉及场景与隐私
记忆关乎
时间（何时仍相关）
情境（是否适用当前任务）
价值（对用户是否重要） 加上 GDPR“被遗忘权”等要求，使删除机制更具挑战。
8. 多个新兴记忆框架正在尝试解决
mem0、Letta、zep 等项目逐渐形成行业工具链，为代理构建长期记忆提供可复用基础。
全文请于下方附件处下载
#agent #记忆系统 #AI架构 #小红书可以发文件了 #长期记忆 #上下文管理 #Agent设计 #大模型应用 #AI系统设计 #人工智能趋势
