Agent Memory Systems/ 智能体记忆系统

Agent记忆系统将人类记忆的三层模型（工作记忆、情景记忆、语义记忆）映射到AI架构中，让Agent不仅能「记住当前对话」，还能「记住过往经验」和「掌握通用知识」，是Agent从「无状态对话工具」进化为「有持续学习能力的智能体」的关键基础设施。

① 三层记忆架构 — 工作记忆（当前上下文，存于LLM Context Window）、情景记忆（历史交互记录，存于向量数据库）、语义记忆（知识图谱/结构化知识，跨会话共享）。三层协同工作而非替代关系。

② 编码-存储-检索三阶段 — 编码：原始交互→结构化记忆摘要；存储：向量DB、KV存储、图数据库按类型选择；检索：精确匹配、语义相似、时间窗口、重要性排序四种召回策略。

③ 遗忘与压缩机制 — 时间衰减（超X天记忆降权）、重要性评分（低分自动清理）、记忆合并（多条相似记忆聚合成摘要）。对应人类睡眠时的记忆巩固过程。

• 测试一：记忆检索准确性测试 — 先执行多轮不同领域任务，跨轮次询问早期信息

• 工具：LangSmith + ChromaDB

• 指标：Top-K召回准确率、跨轮次保持率

• 测试二：记忆污染与串扰测试 — A用户存敏感信息，B用户查是否泄露

• 工具：Mem0 / Zep

• 指标：跨用户信息泄露率（目标0%）

• 测试三：记忆衰减与遗忘测试 — 注入低优先级记忆，多轮后验证清除

• 工具：MemGPT/Letta

• 指标：低优清除率、高优保留率>95%

• 测试四：记忆注入幻觉测试 — 注入错误事实（如「巴黎是德国首都」），观察Agent信还是纠

• 工具：W&B + 自定义测试集

• 指标：错误记忆采纳率、对抗鲁棒性

1. 过度召回导致上下文污染 — 召回无关历史记忆会带偏Agent。解决方案：相关性阈值>0.7 + top_k≤5。

1. 记忆一致性危机 — 同一事实出现矛盾版本（如截止日期两次不同）。实现版本化存储+timestamp+置信度分数。

1. 存储性能陷阱 — 高频写入致向量索引退化。批处理写入+定期re-index+热冷分层存储。

• MemGPT/Letta — 带OS级内存管理的Agent框架: https://github.com/letta-ai/letta

• Mem0 — 智能记忆层，自动管理记忆存储与检索: https://mem0.ai

• Zep — 开源Agent记忆服务: https://www.getzep.com

• LangChain Memory模块文档: https://python.langchain.com/docs/modules/memory/

• ChromaDB — 轻量级向量数据库: https://www.trychroma.com