---
title: "Prospective Memory Index (前瞻记忆索引)"
created: 2026-06-25
updated: 2026-06-25
type: concept
tags: ["agent-memory", "prospective-memory", "architecture", "index-design"]
sources:
  - "[[agent-memory-five-category-model]]"
---

# Prospective Memory Index (前瞻记忆索引)

Prospective Memory Index 是 sz 提出的五类 Agent 记忆模型中的第五类承载索引，专门处理"计划/想法/关键洞察/遗留问题"这类具有随机性被提取特征的记忆。

## 认知心理学的对应

前瞻记忆（prospective memory）：记住在未来特定情境下执行某个意图。与回顾记忆（retrospective memory）的"过去发生了什么"相对。

Agent 中的对应：用户说过的计划、想法、未闭合的思路——在后期交流中，根据实际场景被 Agent 机会性提取并加入上下文。

## 与传统三索引的差异

| 维度 | Prospective | Semantic | Episodic |
|------|------------|----------|----------|
| **存储内容** | 计划/想法/开放问题/关键洞察 | 稳定用户事实 | 原始交互日志 |
| **衰减驱动力** | **关联匹配度**（非时间、非频率） | last_used_at + use_count | timestamp |
| **衰减曲线** | 极平坦——不应因时间沉底 | Gauss，保守 1825d | Gauss，可收紧 |
| **召回触发** | 上下文语义关联（机会性） | 用户显式/隐式请求 | 时间范围查询 |
| **写入时机** | 对话中 LLM 标记重要性 | Consolidation 时 | 每回合自动 |
| **更新模式** | 完成→移出，更新→保留，过期→归档 | Supersession 链 | 只写不改 |

## 衰减设计：关联匹配度而非时间

核心设计决策：prospective 索引的 decay function **不碰 timestamp**。

- 一个想法被提及距今 90 天 ← 不是衰减信号
- 这个想法与当前查询的语义相似度 0.2 ← 这才是

检索时只用 relevance score 做排序信号。时间做软倾斜：同一相关度下，更新的想法排在前面。

## 写入：LLM 重要性分类器

在对话进行中由 LLM 标注（非批处理 consolidation）：

```
用户说 → LLM 分类器检测 → 判定为 prospective 记忆
  ↓
写入索引：{content, type, context, timestamp, status: "open"}
```

### 五种记忆类型

| 类型 | 说明 | 例子 |
|------|------|------|
| **plan** | 计划 | "下周想试一下 GRPO 训练" |
| **idea** | 想法/直觉 | "bandit 可能比 MCP-Zero 的启发式更好" |
| **decision** | 关键决策点 | "从今天起用 PostgreSQL" |
| **question** | 开放问题 | "衰减曲线的领域特异性到底怎么量化？" |
| **insight** | 关键洞察 | "认知负荷才是 Agent 瓶颈，不是模型能力" |

## 闭合状态管理

```
open → referenced (被再次提及) → closed (计划完成)
                                   → stale (超过 N 天未被提及，归档)
```

类似 [[soft-supersession]]——旧记录不删除，检索时默认过滤已闭合的，除非显式查询。

## 与 Semantic 的双向流动

```
prospective (idea)  ——被多次确认→  semantic (fact)
semantic (decision)  ——被推翻→      prospective (reconsideration) + supersession
```

反复出现的 idea "毕业"为 semantic；被推翻的 semantic 降级回 prospective 等待重新确认。

## 检索策略

Prospective 索引**不参与 BM25 的词法腿**——"我之前说想做一个诗词推荐系统"，三个月后的查询是"今天早上推什么诗"，BM25 完全匹配不到。只走 dense 语义检索：key 不需要展开，query 不需要精确，全交给语义匹配。

```
recall_memory(query)
  → 并行查四个索引（epi/sem/proc/prosp）
  → RRF 融合
  → prospective 的 rank 不由 RRF 决定——由 cross-encoder 的 relevance score 主导
```

## 参考
- [[agent-memory-five-category-model]]
- [[atlas-memory-system]]
- [[agent-memory-taxonomy]]
- [[soft-supersession]]
- [[long-term-interactive-memory]]