智能体记忆（Agent Memory）是指AI Agent 跨对话保存、读取并利用历史信息的能力——包括用户偏好、之前说过的话、任务进度、领域事实等。没有记忆的 Agent 每次对话都是「初次见面」，有记忆的 Agent 才能提供连续、个性化的服务。
- 个性化：记住用户偏好（语言风格、关注领域），回答更贴心；
- 连续性：跨会话延续任务，不用每次都从头说明；
- 效率：常用信息直接取用，减少重复问答与 Token 消耗；
- 信任：记住用户说过的事，让交互更像真人。
主流实践把 Agent 记忆分为几层：
- 工作记忆（短期）：当前对话上下文，随会话结束消失；
- 长期记忆：稳定的用户偏好与事实，结构化存储，跨会话保留；
- 情景记忆：具体事件与历史交互的记录，可按时间回溯；
- 程序性记忆：Agent 学会的流程与方法（如用户习惯的回复格式）。
- 上下文拼接：把记忆内容注入系统提示词（简单直接，适合少量记忆）；
- 向量检索：把记忆向量化存入数据库，按相关性检索注入（适合大量记忆）；
- 结构化存储：偏好、事实用键值或表格存，按需读取；
- 记忆分层管理：工作记忆在上下文，长期记忆在数据库，定期压缩整理。
- 上下文有限：不能把所有记忆都塞进提示词，必须按需检索；
- 记忆污染：存了错误或过时信息，会影响后续所有回答；
- 隐私合规：记忆涉及用户个人信息，必须提供查看、删除能力；
- 遗忘机制：何时清理旧记忆，需要策略（时间衰减、用户指定）。
- 记忆型聊天助手（如 ChatGPT 的 Memory、Kimi 的长期记忆）；
- 企业知识 Agent（记住组织规范与项目背景）；
- 个人助理 Agent（记住日程、偏好、常用联系人）。
记忆是 Agent 从「工具」进化为「伙伴」的关键能力。分层管理、按需检索、隐私可控，是设计 Agent 记忆的三个核心原则。
