AI Agent 记忆管理工作流（短期记忆 → 长期知识库）

AI Agent 记忆管理工作流

流程总览

短期记忆 → 关键信息提取 → 长期记忆写入 → 知识库检索 → 定期遗忘清理
   │              │               │              │              │
  本次会话      会话结束      跨会话        回答时        每月一次
  上下文        自动总结      持久化        先查库        删过期

适用场景：任何需要 Agent"记住你"的场景——个人助理、客服机器人、长期项目协作。个人使用可简化为「会话总结 + 笔记归档」两步。

---

阶段一：短期记忆（会话内）

产出物：结构化的会话上下文。

做法：

• 对话开始时给 Agent 一段"当前状态卡"：你是谁、正在做什么、有哪些进行中的任务。
• 重要结论随时让 Agent 复述确认，避免它在长对话后半段"脑补"。

## 当前状态卡（每次新会话粘贴）
- 我是谁：独立开发者，做 AI 效率工具
- 进行中：A 项目（开发中）、B 文章（写到第二段）
- 偏好：回答要简短，代码给完整可运行版本

关键原则：不要指望模型自己记住。上下文窗口再大，也会遗漏，开局先给状态卡最稳。

---

阶段二：关键信息提取（会话结束时）

产出物：一份「记忆增量」。

会话结束前问 Agent 三个问题，让它自己总结：

## 记忆增量模板
- 新增事实：这次知道了哪些关于我的新信息？（如：我习惯用 pnpm 而不是 npm）
- 变更事项：之前记的哪些信息过时了？（如：A 项目已上线，不再是"开发中"）
- 待办延续：哪些事没做完，下次要继续？

把这份增量存到你的笔记软件，一个会话一个文件，日期命名。

---

阶段三：长期记忆写入（跨会话）

产出物：分层记忆库。

不要把所有东西堆在一起，按三层存放：

| 层级 | 存什么 | 例子 | 更新频率 | |---|---|---|---| | 身份层 | 长期稳定的事实 | 职业、偏好、技术栈 | 很少变 | | 项目层 | 进行中的事 | A 项目进度、B 文章大纲 | 每周更新 | | 情景层 | 一次性的上下文 | 本次要解决的 bug 描述 | 用完即弃 |

关键原则：分层存放，检索时才拼装。新会话开始时，只把身份层 + 相关项目层拼进提示词，情景层按需加载。

---

阶段四：知识库检索（回答前先查）

产出物：带引用的回答。

当你的资料多到放不进提示词时（如几百篇笔记），升级为检索式：

1. 把笔记切成小块，存入向量数据库（Chroma 本地就能跑）。 2. Agent 回答前先检索最相关的 3~5 块，作为背景资料。 3. 要求 Agent 标注信息来源，方便你核验。

个人用户用 Obsidian + 全文搜索也能达到 80% 效果，不必一上来就搞向量库。

---

阶段五：定期遗忘清理（每月一次）

产出物：瘦身后的记忆库。

记忆不是越多越好，过期的记忆会污染新回答。每月花 10 分钟：

• 删掉已完结项目的情景层记忆。
• 检查身份层有没有过时的偏好（如：已经换了技术栈）。
• 合并重复的记忆条目。

记住：遗忘是功能，不是 bug。一个什么都记得的 Agent，和一个什么都记混的 Agent，区别只在有没有清理机制。

---

自检清单

• [ ] 新会话是否给了状态卡？
• [ ] 会话结束是否生成了记忆增量？
• [ ] 记忆是否分层存放，而非一锅烩？
• [ ] 超过 3 个月没更新的记忆，是否检查过时效？