从上下文到记忆：智能体需要真正的记忆层｜Oracle Anders Swanson

📌 One-Sentence Summary

Oracle 的 Anders Swanson 将智能体记忆解释为形成、检索、修订和评估受治理记录的持续过程，强调用混合检索与反馈减少跨会话的重复劳动。

📝 Summary

Swanson 指出，上下文窗口只保存当前运行的信息。智能体即使解决过一次客服问题，下个会话仍可能重新搜索并重复犯错。他提出把记忆做成独立的读写与存储层：写入时从转录中提炼有用经历或事实，先删去敏感信息，再记录适用范围、有效期和来源；检索时结合向量、全文、关系及时间条件，而不是只依赖语义相似度。他区分情景、语义、程序和工作记忆，并讨论过期、冲突和被污染记录的审查与抑制。后续任务是否真正受益，应反过来影响排序和保留策略。这是一套完整的架构建议，但讲座没有提供与其他方案的量化比较或生产可靠性数据。

💡 Main Points

把上下文与持久记忆视为不同的系统层

扩大提示词或维护临时文件能保存眼前材料，却不能自动形成跨会话、可治理的经验。

存储前先提炼并限定记忆范围

写入路径应先去除敏感信息，再附上来源、有效期，以及用户、团队、工作流或智能体的适用范围。

记忆检索需要多种查询方式

语义相似、关键词、关系和时间条件可以根据记忆类型组合并调整权重。

持续衡量和修订已保存的事实

过期、冲突或被污染的记录需要审查、抑制，并根据后续任务的真实收益反馈排序。

💬 Key Quotes

上下文窗口不是记忆。

记忆要真正有用，就必须随时间演进。

反馈让记忆形成闭环。

📊 Article Meta

AI Screening： 90

Featured： Yes

Source： AI Engineer

Author： AI Engineer

Category： 人工智能

Language： 英文

Read Time： 14 min

Word Count： 3290

Tags：

AI 与智能应用 , 上下文工程 , Agent记忆 , AI Agent , 视频

Play Full Video