持久化代理记忆

持久化代理记忆，是指智能代理把当前任务或先前交互中有用的信息保存到当前会话之外，并在后续任务中选择性检索、修订和应用的一组机制。它让代理不必每次从空白状态开始，例如在用户再次要求规划行程或执行工具操作时，仍可参考先前确认过的偏好、项目状态或约束。这里讨论的是跨任务、跨会话的信息管理，不代表所有代理都具备长期记忆，也不表示模型像人一样经历或回忆事件。

“持久化代理记忆”在本文中是一个功能性概念，描述代理如何维持可供未来使用的信息状态。它通常由模型、存储空间、写入与检索逻辑，以及访问控制共同组成；具体实现可以是对话摘要、事实条目、带时间戳的事件、可搜索文档或数据库索引。信息既可能由用户明确要求保存，也可能由系统在授权范围内从历史交互中提炼。关键不在于是否建立一张名为“记忆”的表，而在于代理能否把相关信息带到合适的新任务中，并允许它被更正或失效。

这类机制适用于持续使用的助手或跨会话工作流。内容可包括明确偏好、未完成事项、已确认事实及其来源、任务参数和时间信息；偶然提及不应自动成为长期偏好。是否保存仍取决于任务需要、用户控制与系统权限。

上下文窗口是模型在一次推理时可直接处理的输入范围，属于运行时工作区；记忆则把信息保存在会话之外，以供稍后检索。扩大上下文窗口可以让模型一次看到更多文字，但不会自动决定哪些信息值得长期保留、过时信息如何撤销，或下一次任务怎样找到并使用某个细节。反过来，有持久化存储也不保证内容会进入当前提示，更不保证模型会正确理解。

数据库提供持久存储、索引、查询和访问控制，却不会自行判断哪些记录重要或将结果化为行动。用户画像是窄义记忆，保存较稳定的身份、偏好和约束；代理记忆还可维护项目状态、事件时间、来源和任务选择。编排决定代理、工具及子任务如何分工与交接。记忆可供编排读取，但不等于编排。

MemGPT 是较早的系统设计之一。它受操作系统分层内存启发，在存储层之间移动内容，并用控制信号管理模型与用户的交互；论文以文档分析和多会话聊天展示了虚拟上下文管理。它不是所有代理共享的标准架构。

写入先判断信息是否值得保留，再选择原始对话、摘要、结构化事实或事件记录。原文上下文完整但检索成本高；摘要更紧凑，却可能丢掉例外、时间关系或不确定性；事实拆分便于查询，但把假设写成事实会掩盖错误。系统可组合不同形式，并附上来源、时间、适用范围和有效期。

写入可由明确指令触发，也可依据未来用途或任务进度自动发生。谨慎的流程区分用户陈述、外部事实和模型推断，合并条目时保留可回查的证据。敏感、短期有效或涉及他人的信息应少存或不存。写入不是越多越好：冗长记录增加成本和检索噪声，过度压缩则损失可操作细节。

收到新请求后，系统需要把当前问题转成检索条件，选择可能相关的记忆，再将结果带入模型推理或工具调用。关键词、语义向量、时间过滤、实体关系和结构化查询各有适用条件；简单相似度搜索可能找到主题相近、时间却错误的记录。检索质量取决于信息怎样被切分与索引、查询如何表达，以及系统是否把相关证据排在有限提示空间内。

“找到了”也不等于“用对了”。读取阶段要判断记忆是否适用于当前对象和任务，处理多个来源的差异，并决定在缺少证据时是否提问或拒绝推断。面向工具的代理还必须把记忆中的偏好或任务状态转成工具选择和参数；例如记录“仅在本地取件”只有在筛选服务方式、填写地址或确认订单时得到正确应用，才真正影响行动。工具操作仍受单次授权和安全边界约束，记忆不能代替用户对当前动作的许可。

LongMemEval 论文将记忆处理归纳为索引、检索和阅读三阶段；信息切分、索引键、时间条件与读取策略都会影响回答。调试时应分别检查存入、检索和实际应用，不能只看最后一句是否流畅。

记忆会随行程结束、项目推进或偏好改变而失效。更新机制可添加时间戳、有效期和状态，重写摘要、合并重复项或标记旧值已被替代。一次性安排适合设置有效期；逐渐变化的事实则需保留历史与更新时间，避免把“曾经如此”误作“现在仍然如此”。

冲突处理应比较来源、时间、范围和直接程度，而非只看新旧或重复次数。用户的明确更正通常应覆盖旧个人信息；外部政策和价格则需再查验。仍无法判断时，保留冲突、向用户核实或暂缓高影响动作更可靠。OpenAI 于 2026 年 6 月介绍的产品更新提出基于 dreaming 的记忆综合架构，强调新鲜度、相关性与正确性，并称摘要可供用户查看和修订；这是厂商说明，不是独立评测。

长期保留会扩大隐私风险：信息可能包含个人身份、健康与财务状况、工作内容或第三方资料，也可能在不相关的任务中被意外带出。系统应遵循目的限制和最小必要原则，清楚说明保存范围，限制谁能读取或修改，提供查看、纠正、删除和关闭记忆的途径，并在日志中避免复制不必要的敏感原文。跨账户、跨代理或跨工作区共享记忆尤其需要明确的授权与隔离机制。

记忆还可能遭遇误写、检索遗漏、旧值残留、来源混淆和提示注入。历史对话中的指令或网页内容不应因为被存入记忆就取得更高权限；外部文本仍是待评估的信息，不是用户授权。对重要事实应保留来源和时间，对易变信息在行动前重新确认，对无法核实的内容降低确定性。即使机制设计良好，也无法保证记忆总完整、准确或相关；生成模型可能在没有命中证据时补出貌似合理的细节。

评估不应只测能否答出历史事实，还要检查写入、检索、时间推理、冲突更新和行动约束。指标可包括事实召回与精确度、旧信息误用率、无依据回答与适当弃答、偏好遵循、工具参数准确度、更正后的更新速度，以及删除后是否仍能检索到已删除内容。分阶段指标便于定位问题，但不能替代端到端任务测试。

LongMemEval 含 500 个问题，测信息提取、多会话与时间推理、知识更新和弃答。其长上下文设置约 11.5 万 token/题；论文报告，所测模型读完整历史时，相比只给证据会话的“oracle”对照，表现下降约 30%–60%。这只反映该基准、模型和条件，不能当作当前产品的真实成功率。论文在线产品测试另用 97 题和较短历史，需与标准设置区分。

Mem2ActBench 测试“用记忆完成动作”：研究以自动合成的 2,029 段会话构造 400 个工具任务，并从中抽样 200 项进行专家核验。在抽样的 200 项中，91.3% 被人工判为真正依赖记忆。该比例反映样本任务的记忆依赖验证结果，不是 400 项全量比例，更不是代理现实成功率。论文测试七种框架，指出记忆用于工具参数设定仍不足；合成会话与部署环境之间仍有距离。

厂商发布的记忆功能可说明产品方向，不能直接比较系统优劣。OpenAI 2026 年产品更新提出跨对话延续背景、遵循偏好及随时间保持新鲜等目标；产品自述须与独立、可复现的基准区分。评测也应公开版本、数据、查询、对照组和错误类型，否则单一数字难以说明代理何时可靠。

持久化记忆重在选择性保留和有依据地重用，并非无限存储。它不能替代当前推理、权威资料核查、外部事务状态或用户授权。短期低风险任务可能不需要额外记忆；事实易变、错误代价高或数据敏感时，应优先现查、询问或弃答。评价时要同时看连续性、准确性、时效、隐私控制和任务表现，并说明证据边界。