5 posts tagged with "Memory"

Agent 上下文不是越大越好，本质是在有限窗口里做信号密度管理。

1. 4 个循环动作：select 选相关 / structure 结构化分区 / compact 压缩 / persist 外部沉淀，每轮对话都要走一遍。
2. Context 是工作台，Memory 是后台仓库——工作记忆有限又金贵，跨轮次靠检索联动。
3. 压缩不是写总结，是写交接文档，保留目标 / 进度 / 决策 / 约束 / 教训。
4. 多 Agent 隔离：子 Agent 只拿必要信息，结构化结果回传主 Agent 整合。
5. 6 个常见坑：上下文腐烂、压缩失真、工具结果膨胀、多 Agent 串扰、成本与延迟、难以评估。
6. 评估四指标：任务成功率、事实准确率、token 成本、响应延迟。

Skill 存流程，Memory 存经历，事实没人存——这就是 Knowledge 必须单独留一层的原因。

1. 三 层分工：Skill 管怎么做，Memory 管发生过什么，Knowledge 管事实是什么。
2. 事实写进 Skill 会腐坏：流程半年一改，价目表一周一改，两者不能同一个生命周期。
3. 事实写进 Memory 会被污染：一次错误结论会被当成「我记得」反复引用。
4. Graph 不是没前途，是被误当成通用记忆层：独占场景只剩多跳关系和时序失效。
5. 大多数公司不需要再抽一张图——业务库外键、CMDB、数据血缘早就是图。
6. grep 替代 RAG 有三个前提：在文件系统上、目录有语义、术语是稳定字面量。
7. 结论：知识组织的成本从检索侧前移到了写作侧。

长对话的 Agent Memory 不是「压缩就行」，是分层管理。

1. 问题核心：summary 平等压缩所有内容，用户核心目标和硬性偏好被一起稀释。
2. Working Memory：类似 system prompt 的常驻字段，永久不参与压缩，守住硬性约束。
3. 分段增量摘要：滚动窗口分段保存，每段打时间戳 + 优先级标签，不合并。
4. 向量数据库兜底：摘要丢细节没关系，原文存向量库按需召回。
5. 多 Agent 方案：Coordinator + Observer + Reflect + Retriever 四角色分工。
6. 场景选型：几十轮轻量对话 / 中长期 / 超长期多工具三档，对号入座。

记忆污染不是"清缓存重启"能收场的 bug，而是一次系统级的故障状态恢复。

1. 本质区别：缓存异常是死数据、抛错即停；记忆污染是 agent 带着错误记忆继续自主决策，且 自己不知道错了。
2. 攻击面：间接 prompt injection 把恶意指令藏进网页 / 文档，被 agent 写进长期记忆后静默持续执行。
3. 事前 三 道防线：索引与内容分离、容量约束 + 快照漂移防护、写入前准入扫描。
4. 事后三步走：全链路溯源 → 原子化回滚与补偿 → 认知重塑。
5. 两条红线：不设计无限记忆空间、不剥夺用户对记忆的回滚控制权。