Harness Engineering更新于 2026-06-21 · 版本 1.0
什么是智能体记忆系统？
智能体记忆是 AI 智能体在单个上下文窗口之外保留和检索信息的方式——跨越步骤、会话和任务。它通常将短期工作记忆（当前上下文）与长期记忆（智能体读写的持久化存储）区分开来。记忆使智能体能够在长期任务中携带状态、长期记住用户并避免重复工作。它是 Harness Engineering（智能体支撑系统工程）的核心层。
证据: 行业观察置信度: 高来源: 行业观察来源: 论文
定义
智能体记忆是 AI 智能体用于在其直接上下文窗口之外存储、组织和检索信息的一系列机制，涵盖短期工作记忆和长期持久记忆。
核心要点
- 记忆使智能体能够超越单个有限的上下文窗口。
- 短期（工作）记忆与长期（持久）记忆承担着不同的角色。
- 长期记忆通常是按需检索的，类似于对智能体自身历史记录进行 RAG。
- 良好的记忆力可以防止在长期任务中出现重复工作和状态丢失。
- 写入、保留和遗忘哪些内容是一项设计决策，而非自动进行的。
背景
模型的上下文窗口是有限的，因此智能体必须记住的超出该窗口的任何内容都需要外部存储。如果没有记忆，智能体就会忘记先前的步骤、重复操作，并且无法跨会话进行个性化。
记忆将无状态模型转变为具有连续性的系统。难点在于整理：决定什么值得记录、如何组织它，以及如何仅检索当前相关的内容——这与上下文工程密切相关。
架构
两个层级：工作记忆（当前上下文窗口，保存活动任务）和长期记忆（外部存储——向量、键值、文档或图——在任务期间写入并在以后检索）。某些设计还增加了情景记忆（事件）、语义记忆（事实）和程序记忆（技能）。
智能体在每一步将相关的记忆读取到上下文中，并在学习时写入新的记忆。检索、总结和遗忘策略使记忆保持实用，而不会使其过载。
组件
工作记忆长期存储（向量/KV/图）写入策略检索策略总结 / 整合遗忘 / 过期
优势
- 跨步骤、会话和任务的连续性。
- 随时间持久保留的个性化。
- 避免重复工作和上下文丢失。
- 支持长周期、有状态的智能体。
风险
- 陈旧或错误的记忆会污染未来的回答。
- 对存储数据的隐私和治理义务。
- 检索到无关的记忆会增加噪音。
- 若无整合或过期机制，记忆会无限制增长。
工具与技术
向量数据库键值 / 文档存储MemGPT 风格的记忆管理器智能体框架（LangGraph、Agents SDK）
示例
- 助手跨会话记住用户的偏好。
- 长期运行的智能体总结进度，从而绝不重复步骤。
- 支持智能体在相关时召回客户先前的工单。
常见问题解答
- 智能体记忆与 RAG 有何不同？
- RAG 从外部知识库中检索；智能体记忆则从智能体自身积累的状态中检索。检索机制类似，但数据源 and 写入路径不同。
- 短期记忆和长期记忆有什么区别？
- 短期（工作）记忆是当前任务的实时上下文窗口；长期记忆是智能体在跨任务和会话时进行读写的持久化存储。
- 为什么不把所有内容都保留在上下文窗口中？
- 窗口是有限的，且随着窗口填满，质量会下降。将状态外部化到记忆中并仅检索相关内容，可以使智能体保持专注且成本可控。
- 有哪些治理方面的顾虑？
- 存储的记忆可能包含个人或敏感数据，因此需要访问控制、保留期限限制以及纠正或删除条目的能力。