← AI 智能体探索 · ← 上一篇

AI Agent 记忆系统详解 — 短期记忆、长期记忆与 RAG

2026年5月14日 · 进阶

30秒结论

  • 解决什么问题：Agent 没有记忆就无法跨会话工作。三层记忆模型让 Agent 记住对话历史、用户偏好和海量知识。
  • 核心方法：短期记忆（消息列表+窗口管理）、长期记忆（JSON/SQLite 持久化）、RAG 记忆（向量数据库+嵌入检索）。
  • 关键结论：绝大多数场景用"滑动窗口+定期摘要+JSON 文件长期记忆"就够了。RAG 只在有大量文档需要检索时才引入。
  • 读完能做什么：为你的 Agent 实现跨会话记忆，理解何时用哪种记忆层。

Agent 和人的一个关键相似点：没有记忆，什么都做不了。

想象一个 Agent 在帮你做一个为期三天的数据分析项目。第一天你告诉它数据源在哪、偏好什么图表风格。第二天你让它继续——如果它完全不记得第一天的事，你要把所有指令重新说一遍。

这就是记忆系统要解决的问题。本文拆解三种 Agent 记忆机制，从原理到代码。

三层记忆模型

类型 类比 时效 实现
短期记忆 工作记忆 当前会话 消息列表
长期记忆 笔记本 跨会话持久 数据库/文件
RAG 记忆 图书馆 按需检索 向量数据库

第一层：短期记忆（对话窗口）

短期记忆就是 messages 列表。我们前面写的 Agent 已经在用了：

messages = [
    {"role": "system", "content": "你是…"},
    {"role": "user", "content": user_input},
    {"role": "assistant", "content": "我来搜索一下…"},
    {"role": "tool", "content": "搜索结果…"},
    {"role": "assistant", "content": "根据搜索结果…"}
]

问题是：模型的上下文窗口有限。如果对话太长，超出窗口怎么办？

窗口管理策略

1. 滑动窗口——只保留最近 N 条消息。简单粗暴，但会丢掉早期关键信息。

2. 智能摘要——用模型定期压缩历史对话，把「用户喜欢蓝色图表、数据在 data/ 目录」浓缩成一段系统提示词，替换掉冗长的原始对话：

def compress_history(messages, client):
    """将历史对话压缩为一句话摘要。"""
    summary_prompt = "将以下对话的关键信息压缩成一段摘要：\n" + \
        "\n".join([f"{m['role']}: {m['content'][:200]}" for m in messages[-20:]])
    summary = client.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": summary_prompt}]
    ).choices[0].message.content
    return summary

3. 分层窗口——最近的保留原始消息，稍远的只保留摘要，更远的丢掉。兼顾上下文和效率。

📌 实践建议：绝大多数场景用「滑动窗口 + 定期摘要」就够了。只有当你需要精确引用历史细节时才需要更复杂的方案。

第二层：长期记忆（持久化存储）

长期记忆让 Agent 记住跨会话的信息——你的偏好、项目结构、上次任务的结果。

最简单的实现：文件存储

import json, os

MEMORY_FILE = "agent_memory.json"

def load_memory() -> dict:
    if os.path.exists(MEMORY_FILE):
        with open(MEMORY_FILE) as f:
            return json.load(f)
    return {"facts": [], "preferences": {}}

def save_fact(key: str, value: str):
    memory = load_memory()
    memory["facts"].append({"key": key, "value": value, "time": datetime.now().isoformat()})
    with open(MEMORY_FILE, "w") as f:
        json.dump(memory, f, indent=2)

def get_relevant_context(query: str) -> str:
    """启动时，将记忆注入系统提示词。"""
    memory = load_memory()
    facts = "\n".join([f"- {f['key']}: {f['value']}" for f in memory["facts"]])
    return f"用户已知信息:\n{facts}"

使用时，在每次对话开始时加载记忆注入 system 消息：

system_prompt = f"""你是一个有用的助手。
{get_relevant_context()}
请根据已知信息回答用户的问题。"""

进阶：结构化记忆

对于更复杂的场景，可以用 SQLite 存储分类型的记忆：

CREATE TABLE memory (
    id INTEGER PRIMARY KEY,
    category TEXT,      -- 'preference', 'project', 'person', 'fact'
    key TEXT,
    value TEXT,
    importance REAL,    -- 0.0 到 1.0，决定是否注入上下文
    created_at TIMESTAMP,
    last_accessed TIMESTAMP
);

注入时只选高重要度或最近访问的记忆，避免上下文膨胀。

第三层：RAG 记忆（检索增强生成）

前两层适合记录「元信息」——偏好、状态、事实。但如果你有大量文档——代码库、手册、研究报告——需要的是 RAG。

RAG 的核心流程：

  1. 索引：把文档切成小块，用嵌入模型转成向量，存入向量数据库
  2. 检索：用户提问时，用同样模型把问题转成向量，搜最相似的文档块
  3. 生成：把搜到的文档块注入提示词，让模型基于这些信息回答
import chromadb
from openai import OpenAI

client = OpenAI(base_url="...", api_key="...")
db = chromadb.PersistentClient(path="./agent_rag_db")
collection = db.get_or_create_collection("knowledge_base")

# 1. 索引 — 文档入库
def index_document(doc_id: str, content: str):
    chunks = [content[i:i+500] for i in range(0, len(content), 500)]
    for i, chunk in enumerate(chunks):
        embedding = client.embeddings.create(
            model="text-embedding-3-small", input=chunk
        ).data[0].embedding
        collection.add(
            ids=[f"{doc_id}_{i}"],
            embeddings=[embedding],
            documents=[chunk]
        )

# 2. 检索 — 找到相关片段
def retrieve(query: str, top_k: int = 5) -> str:
    query_embedding = client.embeddings.create(
        model="text-embedding-3-small", input=query
    ).data[0].embedding
    results = collection.query(query_embeddings=[query_embedding], n_results=top_k)
    return "\n\n".join(results["documents"][0])

# 3. 注入 Agent — 在 system prompt 中追加检索结果
rag_context = retrieve(user_input)
system_prompt += f"\n\n参考知识库:\n{rag_context}"

三层怎么配合

实际项目中三层不是互斥的，而是各司其职：

场景 用哪层
记住用户这次说了什么 短期记忆（消息列表）
记住用户偏好、项目路径 长期记忆（JSON/SQLite）
查技术文档、研究资料 RAG（向量数据库）
代码库里找相关函数 RAG + 目录树索引
总结已完成的任务 长期记忆 + 定期摘要

一个完整的记忆感知 Agent

把三层整合进我们的 Agent 循环：

def run_agent_with_memory(user_input: str, user_id: str = "default"):
    # 加载长期记忆
    long_term = load_memory(user_id)

    # RAG 检索
    rag_context = retrieve(user_input)

    # 构建系统提示词（三层信息融合）
    system = f"""你是用户的 AI 助手。
## 用户偏好
{long_term}

## 知识库参考
{rag_context}

## 对话指南
- 优先使用知识库中的信息
- 记住用户的偏好用于后续对话"""

    messages = [{"role": "system", "content": system}]
    messages.extend(load_recent_history(user_id)[-20:])  # 短期记忆
    messages.append({"role": "user", "content": user_input})

    # ReAct 循环（不变）
    for turn in range(10):
        response = client.chat.completions.create(
            model="gpt-4o", messages=messages, tools=TOOLS
        )
        msg = response.choices[0].message
        if not msg.tool_calls:
            # 主动保存新学到的事实
            extract_and_save_facts(msg.content, user_id)
            return msg.content
        # ... 执行工具 ...

    return "达到最大轮次"

常见陷阱

  1. 记忆膨胀——不加选择地保存所有信息，上下文越来越长。解决：加 importance 评分，只注入高分记忆。
  2. 记忆过时——旧偏好不再适用但仍在注入。解决：加 TTL 过期时间，或定期要求模型重新确认。
  3. 隐私泄露——敏感信息被存入记忆后在后续对话中暴露。解决：敏感信息标记不持久化，或加密存储。
  4. RAG 噪音——检索到不相关内容反而误导模型。解决：加相关性阈值过滤，或让模型自行判断检索结果是否有用。

📖 下一篇：Agent 错误恢复与自我纠错 — 让 Agent 在犯错后自己修好

下一步阅读

  • 📖 基础：手写第一个 AI Agent
  • 📖 进阶：Agent 错误恢复与自我纠错
  • 📖 相关：从零实现 Agent 框架

常见问题

Q: 短期记忆和长期记忆的核心区别是什么？

A: 短期记忆存在于单次会话的消息列表中，会话结束即消失。长期记忆持久化到文件或数据库，跨会话保留。

Q: 什么时候该用 RAG 而不是简单的长期记忆？

A: 长期记忆适合存储结构化的事实和偏好。RAG 适合需要从大量非结构化文档中检索信息时。数据量在一千条以内用长期记忆，超过一万条用 RAG。

Q: 向量数据库该选什么？

A: ChromaDB 开源、本地部署、零配置，适合原型。Pinecone 是全托管云服务，适合生产环境。起步建议用 ChromaDB。

Q: 记忆膨胀怎么解决？

A: 三种策略：① 重要性评分只注入高分记忆；② TTL 过期自动清理；③ 用摘要压缩替代原始消息。

© 2026 xslyl.com — AI Agent 系列 · 第 3 篇

关于 · 联系 · 隐私政策 · Sitemap