Files
myWiki/concepts/prospective-memory-index.md

3.9 KiB
Raw Blame History

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