AI代理应该记住、遗忘、重新计算还是再次检索什么？

长时间运行的AI代理会积累远超其应永久记住的信息量。对话、工具输出、中间计算、用户偏好、项目决策、搜索结果、系统状态、错误以及成功流程，在当下都可能看起来有用。将它们全部视为持久记忆会引发第二个问题：代理之后必须判断哪些已存储的信息仍然可信、最新、相关且可安全复用。

真正的记忆问题不是存储——而是生命周期控制

现代代理系统几乎可以存储任何内容：完整记录、摘要、嵌入、文件、数据库记录、工具轨迹、结构化事实、技能以及外部工件。因此，存储容量并非难点。难点在于决定什么值得保留、应保留多久，以及当现实发生变化时必须发生什么。

OpenAI的会话记忆指南明确警告，将过多历史向前携带会造成分心、低效、上下文污染以及错误累积。Anthropic同样将上下文视为必须精心管理而非累积的有限资源。微软研究院也朝着同一方向前进：PlugMem将原始交互历史转换为可复用的结构化知识，而不是将完整历史视为同等有价值的记忆。

其架构后果很简单：记忆需要准入策略、维护策略和退役策略。仅靠检索器无法提供这些语义。

对任何代理信息可采取的四种可能行动

记忆准入测试

在信息成为持久代理记忆之前，用六个属性对其进行测试。这些属性比模糊的重要性评分更有用，因为它们能预测信息随时间变化的行为。

1. 记住：能改善未来决策的持久知识

良好的持久记忆能减少重复工作，而不会把昨天的状态变成今天的真相。典型候选包括明确的用户偏好、持久的项目约束、决策及其理由、可复用流程、反复出现的失败模式，以及预计不会频繁变化的已验证事实。

最强的记忆未必是原始记录。PlugMem在2026年的工作主张将交互历史转换为紧凑事实和可复用技能。微软的BREW同样将过去轨迹提炼为可检索的程序性知识，描述该做什么、何时适用以及需要注意什么。两者都指向一个有用的设计原则：存储可复用知识，而不仅仅是历史文本。

被记住的条目还应保留来源。未来的代理应能区分“用户明确要求这一点”、“系统观察到这一点”、“某个来源陈述了这一点”以及“某个模型推断了这一点”。没有这种区分，记忆会逐渐将证据、解释和推测混为一个无差别的池子。

2. 重新读取或检索：具有外部真实来源的易变事实

有些信息之所以有价值，恰恰是因为它会变化。当前权限、订单状态、库存、账户状态、服务健康状况、软件文档、价格、日程、法规和 API 行为，在用于重要决策之前，通常应从拥有这些信息的系统中重新读取。

智能体可以记住某个来源存在、如何访问它，或哪些字段重要。但它不应假设过去检索到的值仍然具有权威性。这将关于从何处以及如何获取真相的记忆，与真相的缓存副本区分开来。

3. 重新计算：计算比信任成本更低的派生信息

派生信息应与源事实区别对待。如果一个值可以从当前输入确定性地重新计算，那么持久化结果可能会造成不必要的陈旧。总计、百分比、排名、资格标志、生成的摘要以及其他派生输出，在使用时通常应重新计算。

关键的权衡是成本。如果重新计算成本高昂，系统可以将结果与确切的输入版本、时间戳、推导方法和失效条件一起缓存。如果重新计算成本低廉，新鲜度通常胜出。

4. 遗忘、过期或取代：删除是一种能力

遗忘不一定是一种缺陷。它是一种控制机制。临时的工具输出、一次性的搜索结果、失败的假设、临时环境状态、中间推理产物、过时的用户偏好、过期的凭证以及被取代的决策，如果无限期地保持活跃，都可能成为负担。

近期的记忆研究越来越认识到，无限制的积累会降低性能。微软 2026 年受人类启发的记忆架构明确包含了基于干扰的遗忘和巩固，而 PlugMem 报告称，原始历史记录可能会用低价值上下文压垮智能体。工程上的教训并不需要复制生物记忆：保留应该是有选择性的。

在许多系统中，取代比立即删除更安全。旧决策仍然可审计，但检索默认使用新决策。这对于项目、政策、合规以及任何变更历史本身就是证据的工作流程都很重要。

决策方法

示例：同一个智能体应使用不同的生命周期操作

记忆应存储条件，而不仅仅是结论

当持久记忆只存储结论而丢失了结论有效时的条件时，它就会变得危险。“使用每租户数据库”比“当监管隔离和租户特定生命周期要求超过运营开销时，使用每租户数据库”更弱。第二种形式保留了决策边界。

这对于智能体学习到的程序更为重要。一个成功的工作流程不仅应捕获步骤，还应捕获前提条件、环境、工具版本、可观察的成功标准以及已知的失败模式。否则，在错误环境中检索到的记忆可能会自信地重现一个过时的解决方案。

记忆写入应比记忆读取更昂贵

读取弱记忆可能损害一个答案。写入弱记忆可能损害许多未来的答案。这种不对称性表明写入路径应比读取路径更严格：对候选记忆进行分类、检查来源、检测矛盾、应用敏感性规则、定义作用域，并决定是否需要人工确认或外部验证。

当智能体从自身生成的输出中写入记忆时，这一点尤为重要。生成的摘要可能包含压缩错误。工具故障可能被误解。一个看似合理的假设可能被存储为事实。如果这些输出在没有证据状态的情况下成为未来上下文，智能体可能创建自我强化的错误循环。

记忆质量至少包含五个维度

基准测试正开始区分这些关注点。微软的 MemGym 明确评估长时程智能体场景中的记忆，并报告记忆隔离分数，旨在减少推理、检索和工具使用能力的混杂影响。这一方向很重要，因为仅凭最终任务分数无法判断记忆本身是有帮助、有害还是无关。

默认情况下不应放入持久记忆的内容

• 原始思维链或隐藏推理产物。
• 临时认证令牌、机密或凭据。
• 未经核实的模型生成假设。
• 存在实时权威系统的易变状态。
• 缺少源输入且可低成本重新计算的派生值。
• 仅因存储可用而保存的大型工具输出。
• 已由更好的真相来源管理的信息的重复副本。
• 没有明确持久化目的、访问范围和生命周期的敏感个人数据。
• 没有明确版本或退役语义的已被取代的结论。
• 仅对当前运行有用且没有可复用诊断价值的错误消息或故障状态。

记忆是任务特定的——不存在通用的最优存储

编码智能体受益于可复用流程、仓库约定、成功修复模式和项目决策。个人助理可能需要偏好、承诺和关系上下文。商务智能体更需要当前产品和交易状态，而非价格或库存的历史副本。研究智能体受益于来源出处、未解决的假设和明确的证据状态。

微软研究院的 M-star 工作直接指出了这一点：为某一目的优化的记忆系统可能难以迁移到另一目的，而任务特定的记忆机制可能优于固定的通用设计。因此，记忆模式应遵循智能体必须做出的决策，而不是强加给每个智能体的通用模板。

什么会改变这个答案？

当检索缓慢或昂贵、权威系统间歇性不可用、重新计算成本高昂、审计规则要求历史快照，或智能体必须离线运行时，这种平衡会发生变化。在这些情况下，可能需要缓存或持久化更多信息——但需附带版本、来源、时间戳和失效元数据。

对于主要价值在于个性化的智能体，这种平衡也会发生变化。稳定的偏好可能值得记住，即使技术上可以再次询问。相反，在高风险领域，将观察或解释转化为持久记忆的门槛应高得多。

未来的托管记忆平台可能会自动化整合、检索、遗忘和上下文构建。这可以减少实现工作，但并不能消除治理问题：哪些信息被允许影响未来决策，在什么条件下，以及系统何时必须回到当前的真相来源？

局限性

在当前框架和研究中，“智能体记忆”没有统一定义。一些系统用该术语指代对话历史，另一些则指外部持久存储、结构化知识、学习到的流程、检查点或模型适配。本文中的决策模型侧重于操作生命周期语义，而非强制统一术语。

四个生命周期操作也可能重叠。一个系统可以在同一工作流中记住稳定的摘要、保留指向来源的指针、重新读取易变字段并重新计算派生结果。该模型的目的不是为每个事实强制使用一种存储原语，而是使持久化的原因变得明确。

结论

一个有用的智能体不是靠记住最多信息取胜，而是靠保留正确的信息、在现实可能变化时回到权威来源、重新计算那些再次推导更安全的内容，并淘汰不应再影响未来决策的信息。

因此，对于每一条候选记忆，实际的问题不是“我们能存储这个吗？”，而是：如果这条信息保留下来，未来的决策会更可靠吗？如果答案取决于时效性、权威性、成本、敏感性或修订情况，就把这些条件编码进记忆生命周期，而不是只依赖检索。

常见问题

术语表

主要来源与延伸阅读