智能体记忆是一种系统架构

把向量数据库直接称为“记忆”，会把多个不同职责压缩成一个组件。智能体需要即时对话上下文、持久知识、任务进度，以及可追溯的行动记录。它们拥有不同生命周期、一致性要求和失败模式。

四个记忆平面

工作上下文

工作上下文是下一次决策所需的小规模活跃信息集合。它应按相关性精心选择，并对成本设定边界。摘要可以降低长度，但必须保留承诺、约束与未解决问题。

长期知识

长期知识包含需要跨任务保存的事实与产物。检索质量不仅取决于嵌入，也取决于来源、更新策略与访问控制。每个检索项都应保留来源和新鲜度信息。

任务状态

任务状态记录目标、计划、依赖、输出和完成标准。它是结构化应用状态，而不是散文。显式维护状态可以让重试、交接和中断恢复更可靠。

执行历史

执行历史是观察、工具调用、决策与结果的追加式轨迹。它支持调试与评估，但不应被不加选择地全部注入下一次提示。

记忆需要策略

存储组件本身不会决定：

• 什么值得记住；
• 何时可以召回；
• 事实冲突时信任哪个来源；
• 信息何时过期；
• 谁可以读取或修改。

这些都是策略问题。有效架构会在记忆平面与模型之间设置策略门，而不是允许所有组件任意读写。

评估行为，而不只是检索

记忆评测应覆盖长期行为：在许多步骤后仍遵守约束、恢复暂停任务、纠正过时事实，并避免复用私人信息。检索精度是必要条件，但智能体最终采取的行动才是真正结果。

核心设计原则是分离。当工作上下文、知识、状态与历史拥有清晰契约时，智能体更容易理解，也更适合可靠运行。