AI Agent 常见的记忆（Memory）策略
记忆（Memory）是AI智能体必备的能力之一。
随着对话轮数与深度的增加，如何让AI智能体“记住”过去的上下文，是实现精准理解与个性化AI系统的关键。
📌
由于LLM存在上下文长度限制，如果不对记忆进行优化，长对话很容易带来两个问题：
•
遗忘早期信息，导致理解偏差
•
过度消耗大量计算资源与成本
本文将剖析8种常见的AI记忆方案，分析其原理、特点和场景，并用模拟代码帮助理解。
01 全量记忆：不遗忘任何内容
50%
📌
全量记忆模式是最基础、最容易实现的记忆策略。
其核心理念是不遗忘任何历史上下文，每轮对话都将用户输入与智能体响应完整记录，并在后续请求中将全部历史上下文一并发送给LLM进行推理。
50%
【基本实现】
将每轮对话按顺序累积在“对话历史”中，每次回复时都将完整历史作为上下文提供给模型。
以下是模拟代码：
代码块
Python
history = []
def add_message(user_input, ai_response):
turn = {
"user": user_input,
"assistant": ai_response
}
history.append(turn)
def get_context(query):
return concat_all(history)
【特点分析】
📌
优点：
实现简单，无需复杂算法；完整保留了所有细节，信息不丢失。
缺点：
对话稍长可能会触发上下文长度上限，模型需要处理越来越多的文本，导致响应变慢且成本升高。一旦超过模型上下文窗口，早期内容不得不被截断，重要信息可能丢失。此外，长期保留大量不相关旧信息也可能干扰模型判断。
【适合场景】
📌
仅适用于对话轮次很少或者内容短的场景，比如简单QA或一次性问答。
02 滑动窗口：固定长度记忆
针对全量记忆的弊端，最简单的改进是限制记忆长度：
人类对话中，我们往往只关注最近的信息，旧话题慢慢就淡忘了。
📌
滑动窗口策略正是模仿这种特性：
只保留最近的若干轮对话，将更早的内容遗忘，以控制上下文长度。
【基本原理】
维护一个固定大小的队列作为对话窗口，每当有新对话加入时，如果超过窗口大小，就从队首移除最旧的一条。
模拟实现代码如下：
代码块
Python
memory = []
WINDOW_SIZE = 3 # 最多保留 3 轮完整对话
def add_message(user_input, ai_response):
这样，无论对话多长，传给模型的上下文始终是最近的N次交互记录 。窗口向前滑动，新进旧出，实现对过往对话的截断。
【特点分析】
📌
优点：
【适用场景】
滑动窗口适用于短对话场景或对历史依赖不强的任务。
例如FAQ助手、简单闲聊机器人等，不需要长久记住早先话题 。本质上你需要考虑取舍：通过遗忘来换取性能和成本，但不适合需要长程依赖的对话。
03 相关性过滤：遗忘次要信息
📌
人类会选择性记忆，对无关紧要的事很快忘掉。
类似地，智能体的记忆也可以有所取舍：优先保留重要信息，丢弃无用细节。相关性过滤策略就是基于信息的重要程度来管理记忆，而不是简单的抛弃旧记忆。
【基本原理】
系统为每条记忆分配一个“重要性”或“相关性”评分（Score）。
根据评分高低决定保留或清除。当新信息进入，导致容量超限时，自动删除评分最低的记忆 。
📌
评分可以依据多种因素
与当前对话主题的相关程度、最近被提及的频率、信息本身的重要度（例如包含用户关键偏好的句子打高分）等。
实现时，可用一个列表或优先队列按分值排序。模拟如下：
代码块
Python
memory = []
memory = []
【特点分析】
📌
优点：
【适用场景】
📌
适合信息密集且需要筛选的场景。
如知识型对话机器人或研究助理工具。在这些应用中，用户提供的大量信息需要智能体加以取舍。
04 摘要/压缩：提炼关键信息
📌
摘要策略核心是在不丢失重要信息的前提下缩短对话长度。
其动机是像人类做笔记一样，将冗长的对话内容去除无用的信息（寒暄、闲聊、重复信息等），浓缩成关键要点（事实、关键数据、兴趣爱好等）保存 。
在实际实现中，可以结合滑动窗口策略：超出窗口的对话才进行摘要与压缩。
这样既保留了核心信息，又能大量节省上下文窗口空间，缓解记忆无限增长的问题。
【基本原理】
📌
在对话过程中定期将较早的对话内容生成摘要与压缩，并用这个摘要代替原始详细内容存入记忆。摘要可以由一个LLM生成。
例如，每当对话超过预定长度（窗口大小）时，把最早的几轮对话拿出来总结，模拟如下：
代码块
Python
memory = []
summary = None
MAX_LEN = 10 # 最多保留 10 轮问答
📌
这里示意了一种运行摘要的机制：持续累计和更新一个摘要来代表早期的对话历史。
每当记忆长度超标，就把早期内容做摘要和压缩，再与后续对话共同作为新的上下文 。
📌
这样，模型上下文始终包含“近期对话 + 旧对话摘要”。
【特点分析】
📌
优点：
大幅节省上下文长度，长期记忆能力强——理论上，通过不断摘要，早期信息的要点可一直保留 。同时，摘要内容精炼，有助于模型聚焦关键信息。
缺点：
摘要质量取决于LLM，也可能遗漏细节或引入信息偏差。如果摘要不准确，后续智能体基于摘要的生成可能出错。此外生成摘要本身需要耗费额外计算，对实时对话有延迟影响。
【适用场景】
摘要记忆适用于长对话且需要保留上下文要点的场景。
智能体需记住用户的关键信息（姓名、喜好、诉求等）但不必逐字记住用户每句话。比如一个AI心理陪伴助手。
05 向量数据库：语义检索记忆
50%
🦄
对于海量长期记忆，一个理想方案是将知识存入一个外部数据库，在需要时再调取。
50%
🥖
【基本原理】
将每次对话嵌入后存入向量数据库如 Chroma、Pinecone 等 。
当需要记忆时，把当前对话内容也向量化，并在数据库中搜索语义相近的记忆片段，将最相关的若干条取出，添加到模型的上下文。
模拟如下：
代码块
Python
# 初始化向量存储
memory = VectorStore()
def add_message(user_input, ai_response):
turn = {
"user": user_input,
"assistant": ai_response
}
embedding = embed(turn)
memory.add(embedding, turn)
def get_context(query):
q_embedding = embed(query)
results = memory.search(q_embedding, top_k=3)
【特点分析】
📌
优点：
语义级别的智能检索，能根据内容语义而非关键词匹配相关记忆 。存储容量大，向量数据库可无限扩展，以支持真正的长期记忆，且检索效率高。
缺点：
依赖嵌入模型质量，若向量表示不好，检索结果也可能风马牛不相及 。向量存储与搜索有一定的计算代价，当记忆库很大时，每次相似度计算也会消耗算力 。另外需要部署维护额外的数据库服务，增加系统复杂度。
【适用场景】
📌
需要长期记忆的对话系统，如个性化助理等。
比如： 一个法律咨询AI，当用户提问复杂法律问题时，AI可以同时检索出相关的记忆和法律知识，用来做增强生成。
06 知识图谱：结构化记忆
纯粹依赖向量相似度的记忆系统往往将知识视作离散内容，缺乏对知识之间关系的理解 。
📌
知识图谱记忆策略旨在以结构化方式存储和组织记忆信息，通过显式的实体、属性和关系来增强智能体的长期结构化记忆和推理能力 。
【基本原理】
智能体将对话和交互中提及的实体、属性和关系这样的事实信息提取出来，逐步构建起一个知识图谱。
📌
比如对话中有“小刘加入了阿里巴巴公司”，
那么提取三元组：(小刘, 就职于, 阿里巴公司)。除此之外，还可以记录事件发生的时间等（形成时序知识图谱以处理随时间变化的知识 ）。
📌
当需要记忆检索时，智能体可以查询知识图谱：
比如先找到相关联的节点、沿关系链追溯信息，甚至进行路径上的逻辑推理，最后将查询或推理出的信息加入上下文。
模拟如下：
代码块
Python
graph = KnowledgeGraph() # 初始化知识图谱对象
def add_message(user_input, ai_response):
# 将一轮对话转化为结构化三元组 (实体1, 关系, 实体2)
full_text = f"User: {user_input}\nAI: {ai_response}"
triples = extract_triples(full_text) # LLM提取三元组
for s, r, o in triples:
graph.add_edge(s.strip(), o.strip(), relation=r.strip())
def get_context(query):
# 提取查询中可能涉及的实体
entities = extract_entities(query)
context = []
for e in entities:
context += graph.query(e) # 查询图谱中与实体相关的信息
return context
【特点分析】
📌
优点：
将记忆结构化后，智能体能进行更精细的检索和推理 。结构化记忆使AI不再只按相似度找段落，而是可基于图谱回答复杂问题（如基于多跳关系推理）。知识图谱还具有可解释性，查询路径清晰可追溯，这在需要准确溯源的应用中很有价值。
缺点：
构建和维护成本高：需要借助LLM抽取知识，可能出错或不完整；图谱规模大时也会面临查询性能和存储问题。同时，知识图谱擅长明确事实推理，但对于模糊语义的匹配可能还需要配合向量搜索。
【适用场景】
📌
适合知识密集型应用和需要跨事件推理的智能体。
例如企业客户支持AI需要理解用户历史提问与账户、订单等信息的关联，或科研助理AI需要梳理论文中的概念关系等。
07 分层记忆：短期与长期结合
📌
分层记忆策略旨在构建类似“人脑”的记忆结构。
将不同类型、重要程度的信息存入不同层级的存储系统，让智能体在面对不同场景时都能“对症下药”。
【基本原理】
该策略将记忆系统划分为多个层级：
📌
•
工作记忆（短期）：保存最近几轮对话，更新频繁、容量小，通过滑动窗口维护。
•
长期记忆（可检索）：将重要信息嵌入后保存，支持跨会话、长期检索。
•
提升机制：比如，当用户在对话中说出类似“记住我XXX”、“我总是”、“我过敏”等关键信息时（也可借助LLM），系统会将这轮信息提升进长期记忆，以供未来使用。
📌
检索时，系统会从短期记忆获取当前上下文，再从长期记忆中基于语义相关性搜索历史记忆，组合出丰富的提示内容交给LLM处理。
这种策略本质上是滑动窗口+向量库+ 重要性判断的组合策略。
代码块
Python
short_term = SlidingWindow(max_turns=2) # 最近几轮对话
long_term = VectorDatabase(k=2) # 可检索的长期嵌入记忆
promotion_keywords = ["记住", "总是", "从不", "我过敏", "我的ID是", "我喜欢", "我讨厌"]
def add_message(user_input, ai_response):
short_term.add(user_input, ai_response)
# 如果用户的输入中包含提示记忆的关键词，则提升至长期记忆；实际中策略可以更复杂
if any(keyword in user_input for keyword in promotion_keywords):
summary = summarize(user_input + ai_response)
vector = embed(summary)
【特点分析】
📌
优点：
可以结合短期记忆与长期记忆优势，近期信息及时响应，历史信息可按需检索；而且即使短期记忆滚动遗忘，但长期的重要记忆依然可查。
缺点：
这种策略实现上更复杂，需要涉及多个模块（窗口管理、嵌入、召回等）；且调优成本更高，比如关键词或重要性的判断、嵌入质量、检索精准性、组合上下文策略均需调试。
【适用场景】
📌
适合需要长期上下文感知的智能体系统。
比如企业客服Agent，用户先前的订单、偏好需要记住；再或者个人助理类AI，跨天甚至跨月记住日程安排、家庭成员信息；或者教学/医疗场景中需要回顾过往重要的问答、诊断建议、学习习惯等。
08 类OS内存管理：模拟记忆Swap
在计算机中，操作系统通过“主内存 + 硬盘”的组合机制高效地管理有限的物理内存（RAM）与大容量但较慢的磁盘（Disk）。
如果借鉴这种机制，也可以为智能体构建一种类OS内存管理的记忆系统：
❤️
将有限的上下文窗口当作RAM使用，而将超出上下文的信息保存到外部存储中（Page Out），必要时再“交换”回来（Page In）。
这种模式与分层记忆模式有点类似，但区别在于：
📌
•
分层记忆只将关键信息进入二级记忆；而这里只要是窗口外的就会Page Out
•
分层记忆从二级存储直接检索相关记忆，而这里需要Page In后变成活动记忆
【基本原理】
该策略分为两个层级：
📌
•
活动记忆：
使用一个滑动窗口，保存最近的对话。访问速度快，但容量有限。
•
被动记忆：
当活动记忆满了，最旧的内容会被“交换”至外部存储。这些信息虽然不直接在模型当前上下文中，但仍可随时检索。
📌
这种策略有一个“页故障”的机制：
当用户提问中包含关键词，而这些关键词所需的信息不在当前RAM中，系统就会触发“Page Fault”，从被动记忆中搜索匹配内容，并“page in”上下文，再供LLM使用。
该策略本质上模拟了OS的虚拟内存管理原理，即“冷热数据分层”的上下文利用。模拟如下：
代码块
Python
active_memory = Deque(maxlen=2) # 快速但小的上下文窗口
passive_memory = {} # 持久存储的被动记忆
turn_id = 0 # 每轮对话唯一标识
def add_message(user_input, ai_response):
global turn_id
【特点分析】
📌
优点：
该策略最大优势在于结构清晰且符合计算机原理。它通过将对话拆分成“热数据（当前上下文）”和“冷数据（外部存储）”两层管理，有效缓解上下文窗口限制，同时还能在关键时刻回忆过去的重要信息，大大提高记忆系统的灵活性和扩展性。
【适用场景】
📌
适用于上下文窗口受限但又需要长期记忆的智能体系统。
它能够在保持对话响应速度的同时，保留大量历史信息，适合低延迟对话、时间跨度较大的任务型助手，以及需要随时回溯旧信息的场景：当用户提出涉及过往内容的问题时，系统可以像操作系统一样将“被交换出去”的记忆及时“唤醒”，实现高效又节省资源的记忆管理。
最后简单总结以上的8种记忆策略：