记忆系统 Memory

Written by 米豆

Agent 超过上下文的会话窗口后，就会自动丢掉以前的记忆，很像内存满了自然要释放一些内存，区别在于 Agent 是按照时间丢弃的
需要一套能持久化会话的系统，称之为 Agent 记忆系统

两个问题

了解记忆的生命周期，在于理解每一次和 Agent 会话中产生的记忆及 Agent 的遗忘曲线

编码(Encode) → 存储(Storage) → 提取(Retrieval) → 巩固(Consolidation) → 反思(Reflection) → 遗忘(Forgetting)

现代大模型的上下文token 一般在 2M 左右，上下文的信息包括从记忆中检索的信息，从提示词中检索的信息，工具调用产生的信息这些，都成为短期记忆，只在当前上下文中有效

基于文件系统（filesystem-backed）的记忆，持久化到磁盘文件中的信息，且需要Agent 自己去检索的信息，都成为 长期记忆

包括记忆的持久化，记忆的更新机制，记忆的清理与遗忘机制

持久化的数据一般为向量，需要向量数据库

记忆需要反思、合并、清理、遗忘，否则库越大，噪声越大

记忆需要从流水账中提取出可复用的 rules，用户偏好以及教训，反复提取，多次总结，遗忘掉不需要的记忆

codebuddy、claude code 等都有专属的 .md 结尾的记忆文件，基本都可以通过 /init命令，创建项目级别、个人级别等的记忆文件
这种记忆文件主要是针对项目的描述，使用的工具库，依赖，基本的逻辑，项目的结构等架构方面的信息，不包括具体的实现细节

可以使用 rules，配置项目级别、个人用户的规则文件，这些文件可以被各家 Agent 识别并应用到会话上下文当中

使用 LangChain等大模型开发框架，实现记忆控制，而不是交给本地 cli agent 去管理