一句话总结：Agent 记忆是把受限的"上下文窗口"通过分层 + 检索 + 压缩扩成可跨会话累积的持久认知；主流范式从人工设计分层走向"让模型自己管记忆"（MemGPT/Letta 的操作系统式记忆）。

为什么需要记忆

• LLM 上下文窗口有限，单会话记不全、跨会话完全失忆
• 记忆带来三层能力：会话连贯（短期）、跨会话积累偏好与事实（长期）、可复用经验（程序/情景记忆）
• 与 RAG 互补：RAG 是静态检索外部知识，Agent 记忆是动态自我维护的内部认知

记忆分类

类型	生命周期	载体	回答的问题
工作记忆	单次任务/当前推理	上下文窗口、进程内存	我现在在想什么
短期记忆	当前会话	会话历史、滑动窗口、摘要	这次对话讲了什么
长期记忆	跨会话、持久	向量库、关系库、知识图谱	用户是谁、发生过什么
语义记忆	持久	向量/知识图谱（概念规则）	世界是怎样的
情景记忆	持久	结构化轨迹/事件日志	上次怎么做的
程序记忆	持久	技能库、策略	任务怎么做

工程落地：三层标准架构

1. 工作记忆 = 模型上下文窗口（系统提示 + 对话历史 + 工具结果）
2. 短期记忆 = 最近 N 轮（约 8–20 轮）原始对话（环形缓冲），必要时压成"会话摘要"
3. 长期记忆 = 向量库 + RAG 检索：重要经历 embedding 入库，决策时检索 top-K 注入

生产级混合存储：

• 用户结构化档案卡（JSON/关系型，精确键值查询，不走语义检索——消除噪声）
• 近期对话摘要（轻量摘要替代长文本，省 token）
• 向量库（语义检索）+ 滑动窗口（当前轮原始上下文）

MemGPT / Letta：操作系统式记忆（重点范式）

核心思想：把上下文窗口当"受限内存"，像 OS 虚拟内存一样分层换入换出。

层	类比	说明
Core Memory	RAM（常驻 prompt）	命名块（human / persona），模型每轮看得见、改得动
Recall Memory	磁盘缓存	可检索的会话历史，模型工具搜索
Archival Memory	冷存储	向量索引的长期档案，模型工具插入/查询

• 关键设计：让模型自己决定记什么、忘什么、何时归档——系统提供存储与检索，Agent 提供记忆策略（policy）
• 原始 MemGPT 论文用两级（主上下文 / 外部上下文），模型发工具调用分页换入换出

记忆压缩与更新

• 异步压缩：定时（如每晚）或触发（同分类事实超阈值）时，把相似向量拉出交给 LLM 聚合去重，删旧插新
• 上下文压缩：检索 top-N 后先过滤无关、抽取相关片段、重排序，再进上下文
• 反思（Reflection）：从过去轨迹/失败抽象经验，沉淀为长期记忆
• 记忆编辑：用户纠错时更新记忆结构

关键框架

• Letta (MemGPT)：memory-native，自带 agent loop + 记忆管理
• Mem0：自动从交互提取长期记忆（向量检索 + 记忆更新）
• Zep：会话记忆 + 图谱记忆、时间回溯
• MemoryOS / AgeMem（论文）：OS 启发分层存储 / RL 统一管理长短记忆（替代启发式管线）

面试要点

• 讲清 4 类记忆（工作/短期/长期 + 语义·情景·程序）的生命周期与载体
• 讲清"记忆 ≠ RAG"：RAG 静态、记忆动态，二者常配合
• 画出 MemGPT 三层架构，说明"模型自管记忆"为什么更优雅
• 知道两种压缩（异步聚合 / 上下文检索压缩）
• 会说生产混合存储：档案卡 JSON + 摘要 + 向量库 + 滑动窗口