46 lines
1.6 KiB
Markdown
46 lines
1.6 KiB
Markdown
---
|
||
title: "Agent 记忆系统"
|
||
created: 2026-06-19
|
||
updated: 2026-06-19
|
||
type: concept
|
||
tags: [agent-memory, llm-agents, memory-system, infrastructure]
|
||
sources:
|
||
- https://mp.weixin.qq.com/s/5Wo91nzstNtCIV9chnuQmw
|
||
---
|
||
|
||
# Agent 记忆系统
|
||
|
||
## 定义
|
||
|
||
Agent 记忆系统是为 LLM-based agent 提供持久化、可检索、可演化的上下文管理基础设施。它不仅关乎 token 节省，更决定 agent 能否执行连续型长程任务。
|
||
|
||
## 为什么记忆是 Agent 的生死关键
|
||
|
||
两个标志性事件推动行业共识转变：
|
||
|
||
1. **ChatGPT 个人记忆功能（2025.4）**：记忆代表 AGI 时代模型对每个用户的个性化理解
|
||
2. **OpenClaw 连续型 Agent**：缺乏记忆系统 → 长程任务无法顺利执行
|
||
|
||
视角扩展：single-session → multi-session → multi-user → multi-agent → multi-apps，复杂度指数增长。
|
||
|
||
## 需要独立记忆层的原因
|
||
|
||
当开发者面向上述多维度场景时，需要一个独立的处理框架来屏蔽复杂性——让开发者专注 Agent 业务逻辑，而非记忆的具体处理机制。MemOS 正是为此设计的记忆增强层。
|
||
|
||
## 核心能力
|
||
|
||
| 环节 | 功能 |
|
||
|------|------|
|
||
| 抽取 | 从对话流中提取关键信息 |
|
||
| 组织 | 结构化存储、去重、归纳 |
|
||
| 检索 | 多路召回、时间衰减 |
|
||
| 更新 | 增量合并、矛盾检测 |
|
||
| 共享 | 跨 Agent/用户/会话传递 |
|
||
|
||
## 参考
|
||
|
||
- [[memtensor-memos-agent-memory-2026|MemOS 技术分享]]
|
||
- [[layered-memory-architecture|三层记忆架构]]
|
||
- [[agent-memory-lifecycle|记忆生命周期]]
|
||
- [[memory-governance|记忆治理]]
|