这是什么

这周读到一份 Agent 工程文档第 9 章「记忆系统」，里面把"记忆"拆成三层——还抛出一个反直觉判断：AI 助手的"金鱼记忆"，多数时候不是 bug，记太多比记太少更危险。

Agent（能自主执行多步骤任务的 AI 程序）的记忆被拆成三层，对应人类记忆模型：

  • 短期记忆：本次对话上下文，会话结束即清空
  • 工作记忆：当前任务的中间状态，任务结束清理
  • 长期记忆：用户偏好、历史结论，跨会话保留

核心矛盾：记忆设计不是"记不记"的问题，而是"什么放哪层"。记太多会污染当前判断（记忆噪音干扰），记太少 Agent 会"失忆"——答非所问、重复提问。解法是分层 + 按需注入：默认只带少量核心记忆，大量记忆存在外面、用时再取。

行业怎么看

这套架构解释了为什么当前绝大多数 AI 助手用起来像金鱼——它们往往只做好了第一层（短期），第二三层要么没做、要么做得粗糙。所以你每次开新会话都要重新交代背景。

作者强调一个反直觉原则：宁缺毋滥。记忆是稀缺资源（要占上下文窗口），写错/写废的记忆比没有更糟。这跟多数产品团队的直觉相反——大家倾向于"能记就记"，结果上下文被噪音淹没。

反对意见 / 风险：有观点认为，与其搞复杂的三层记忆，不如直接用 RAG（检索增强生成——让 AI 先从一个知识库里查资料再回答）替代长期记忆。但作者认为二者是配合关系而非替代：RAG 解决"知识查询"，记忆解决"用户个体延续"，场景不同。

另一个常被忽视的风险：长期记忆需要过期机制和容量上限，否则会无限膨胀；同时写入前必须做脱敏（手机号、邮箱等个人信息）和权限校验，否则就是给数据泄露留口子。

对普通人的影响

  • 对企业 IT：评估 AI 客服或数字员工时，把"记忆架构怎么设计"列为必问项——这是区分"玩具"和"工具"的技术分水岭。
  • 对个人职场：你现在用的 AI 工具为什么记不住项目背景？因为大多数只做了最浅一层。选工具时，这是一个值得直接问供应商的问题。
  • 对消费市场：别指望 AI 助手"什么都记住"——技术上限在那里。期待它"记住关键偏好和承诺"更现实，其余该自己记录。