1.Agent记忆机制

常见框架：Mem0 、Letta（MemGPT）、 Zep（及其开源组件 Graphiti）

Agent三层记忆：

1. 短期
2. 长期（ Episodic Memory（事件记忆）+ Semantic Memory（事实/实体记忆））
3. 用户偏好记忆。（结构化+非结构化混合）

存什么、什么时候存、怎么存；

取什么、什么时候取、怎么取;

记忆整理

会话初始化阶段，基于用户query生成memory retrieval query，对长期记忆采用BM25+Vector Hybrid Retrieval，并通过reranker筛选；用户偏好通常根据user_id：固定核心偏好直接读取+结构化过滤 + 语义检索。

在Agent执行过程中，不会每个节点都检索Memory，而是通过Memory Trigger在规划阶段、信息不足或任务切换时按需召回。

任务结束后，通过Memory Extractor从conversation中提取候选记忆，再经过去重、冲突检测和重要性评估后决定新增、更新或者丢弃，而不是每次都直接写入。

1、什么时候进行存储？

1、每轮对话结束异步写入

2、重要事件立即写入

3、每天固定时间总结后写入

避免记忆只进不出，定时清理记忆。如何清理？

2、什么时候进行检索？

1、「主动检索」：在任务开始前，用当前任务的描述去检索相关记+固定核心画像记忆直接取，把结果注入 system prompt 作为背景知识。这样 Agent 一开始就带着「历史记忆」进入任务，不需要用户每次重新交代背景。

2、「被动触发」：Agent 在推理过程中，判断当前步骤需要某类特定知识时，主动发起检索。具体做法是把「查记忆」封装成一个 Tool，让 Agent 自己决定什么时候调。这种方式更灵活，但依赖模型判断什么时候该去查。

实践：

​ 1、在对话开始之前，对长期、用户偏好记忆进行一次主动检索。把这两个记忆放进System Prompt。

​ 2、在执行过程中，Agent自主决定需不需要检索。

3、根据什么进行检索？

1、 用户开始会话：重写Query，对长期记忆向量检索 + 用户偏好结构化+向量检索一次，使用：Memory Query Rewriter

4、记忆有更新怎处理？

先检索与新记忆具有相同 subject、attribute 和 scope 的旧记忆，再判断两者关系。
只有满足以下条件时，才将旧记忆标记为 superseded：

- 新旧记忆描述同一个属性；
- 适用范围 scope 相同；
- 该属性为单值属性；
- 用户明确表达改变或替换；
- 新信息的来源和置信度足够可靠。

被替代的记忆不直接删除，而是设置：

- status: superseded	
- valid_to: 新记忆生效时间
- superseded_by: 新记忆 ID

5、记忆会不会被重复加入知识库？去重怎么做？

1、TAG标签检索后过滤

2、入库时检索TOP5后，llm-as-judge去评估是否重复

6、记忆整理

记忆不能无限膨胀加入：

模式1：增量Consolidation，每产生一个新Memory时进行新Memory + TopK相关旧Memory处理。

模式2：周期性整理（后台任务），定时处理低价值记忆

模式3：用户画像级总结，定时总结部分记忆。