给AI Agent搭一个会忘记的记忆库

周末折腾了一下AI Agent的记忆库，踩了不少坑。AI Agent 说白了就是会自己查资料、记东西、执行任务的助手。起因是看到 Machine Learning Mastery 一篇讨论 agent memory design 的文章，也就是 AI Agent 怎么设计记忆。文章说现在的记忆系统很脆，像把人脑的遗忘功能拿掉了。我这边测下来：演示里它什么都记得，真实业务里它会被旧事实拖死。

文章核心我消化成三件事：短期记忆别太长，也就是别把上下文塞满；上下文就是 AI 一次能看的对话范围。长期记忆别太杂，检索必须能验证。从资产配置角度看，记忆库不是仓库，是资产负债表。每条记录都有成本：存储、检索、误用、过期。这几天我做了个最小版本：只用本地文件夹和一个能读文件的助手，先把流程跑通。

准备阶段。

1. 打开终端，也就是电脑里的命令行窗口，输入 `mkdir ~/agent-memory`，再输入 `cd ~/agent-memory`。你会看到命令提示符变短，说明已进入目录。

2. 输入 `touch raw.md facts.md decisions.md rules.md`，建四个空文件。`raw.md` 放原始对话，`facts.md` 放可复用事实，`decisions.md` 放结论，`rules.md` 放记删规则。

3. 用编辑器打开 `rules.md`，写入三条规则：只记会影响下次行动的信息；每条事实要有来源和有效期；冲突时新条目覆盖旧条目，旧条目只标废弃。预期结果是你有一个约束 AI 的说明书。

上手阶段。

4. 把一段真实对话贴进 `raw.md`。可以是会议、客服、项目讨论。这两天在试 STT，也就是把语音转成文字，把记录丢进去，发现如果整段塞进记忆库，三天就乱。

5. 打开 Claude Code 的输入框，粘贴：`读取 raw.md，抽取不超过5条可复用事实。格式：事实、来源、有效期、置信度、是否建议写入。不要抽取闲聊和情绪。` 置信度就是它有多大把握。它会返回一段带项目符号的文本，格式叫 Markdown。预期不是直接写进文件，而是先给你候选项。

6. 人工审核。只保留能改变未来决策的条目。比如“客户预算上限是某个区间”可以记。把审核后的条目复制进 `facts.md`。

7. 给每条事实加状态。模板：`- 事实：。；来源：raw.md 对应段落；有效期：30天；状态：当前`。过期后改成 `状态：已废弃`。这个动作看起来笨，但它是记忆系统的地基。

8. 下次对话前输入：`读取 facts.md 和 decisions.md，只使用状态为当前的条目。引用事实需说明来源。` 预期结果是它不再把整段历史塞进上下文，而是按需取用。

9. 每次任务结束，把最终结论写进 `decisions.md`。格式：结论、依据、未确认事项。这一步把聊天变成证据链。

踩坑阶段。

第一个坑是把原始记录当记忆。原始记录像监控录像，记忆像会议纪要。全存等于没存。

第二个坑是没有过期。TTL 就是每条记忆自带过期时间。

一个没有 TTL、没有衰减、没有覆盖机制的记忆库，演示里很惊艳，到了真实世界就会随着变化速度退化。

我刚上手谷歌搜索这几天，也有类似感觉：AI 概览给摘要，但原始蓝链，也就是搜索结果里的原始链接，要自己下翻找。记忆库也一样，事实卡旁边必须能回到 `raw.md`。

第三个坑是只靠语义检索，也就是按意思找，不是按关键词找。把句子变成向量坐标，就是把文字转成一串数字，按相似度找。它只负责找相似，不负责判断对错。

第四个坑是权限没分级。我客户那边用 AI 简历工具时，HR 权限一旦混用，自动更新就会把候选池搅乱。记忆系统同理，谁能写、谁能改、谁能废弃，必须提前分清楚。

结论先放这里：AI Agent 的记忆，不是记住更多，而是知道什么时候不该信自己。从商业模式看，记忆不是功能，是长期资产。从风险收益比看，一个会忘记的系统，胜过一个永远记住但经常引用旧事实的系统。之前我觉得雷鸟iO的价值在录音数据，现在想法更具体：数据越多，越需要边界，否则污染越快。

往后看，真正拉开差距的不是聊天，而是谁能把对话沉淀成可审计、可过期、可复用的工作流数据。托管记忆服务，也就是别人帮你存记忆的服务，会越来越多，但别人难复制的优势不在能存，而在能判断哪些信息值得进入下一次决策。

学完这个，下一步可以试把 `facts.md` 变成小型检索库：先用关键词过滤，再试向量检索；或者把 `decisions.md` 接入你常用的终端，让每次任务结束自动追加一条结论。先把记录、审核、过期、引用四步跑顺。

---

📌 本文编译自 Machine Learning Mastery，原文：https://machinelearningmastery.com/ai-agent-memory-design-what-works-and-what-doesnt/

版权归原作者所有，本文为基于公开报道的编译与独立分析。