用 GPT 或 Claude 做过长对话的人大概都踩过这个坑聊了半个小时AI 把你前面说过的事情忘干净了。你不得不把背景重新解释一遍。这还是人机对话忍一忍也就算了。但如果是 agent 在自主执行任务呢记不住这个 API 上次试过了、失败了每次重新出发就是在浪费资源会无限踩同一个坑。这个问题在 AI 进入下半场之后变得格外突出。这篇综述动用了将近 50 位作者涵盖 20 多家研究机构覆盖近年来发布的数百篇论文试图把 agent 记忆这件事完整说清楚。看这个作者和机构数量就知道这篇工作的工作量了。综述也统计了从 2025 年下半年开始针对记忆的研究在快速增长。上半场和下半场论文的出发点是一个判断AI 研究正在经历范式转移。上半场在做什么刷 benchmark。模型越来越大、分数越来越高大家都在比谁能在静态数据集上跑出更好的数字。下半场要面对的是另一类问题。真实的 agent 要在长时程、动态、依赖用户的环境里工作。任务可能跨越几十次交互环境随时在变用户的偏好也各不相同。这种场景下上下文爆炸是个真实的工程问题。agent 需要不断积累、管理、有选择地复用大量信息这些信息远远塞不进一个 context window。记忆就是填补这个效用鸿沟的核心机制。三个维度一套统一的框架这篇综述的主要贡献是提出了一个三维分类框架把之前零散的记忆研究统一起来。第一维记忆存在哪里Memory Substrate外部记忆是显式存储在模型权重之外的信息。常见形式有向量数据库RAG 的主力用近似最近邻搜索检索嵌入向量结构化存储图结构、关系表、层级树典型系统有 AriGraph、HippoRAG、RAPTOR文本记录人类可读的摘要和时序日志2023 年的 Generative Agents 就是这条路线内部记忆是编码在模型本身里的权重训练出来的参数化知识相当于写死在模型里的记忆上下文窗口运行时的工作区存放 prompt、推理链、工具输出KV Cache推理过程中的中间状态这两类存储各有取舍。外部记忆容量大、可编辑、可检查但检索有延迟。内部记忆访问快但修改成本高、容量有限。第二维认知机制Cognitive Mechanism这是论文最有意思的部分。作者借鉴认知科学里对人类记忆的分类把 agent 记忆拆成五种感知记忆Sensory Memory最短暂的那一层。作用是缓冲输入信号在进一步处理前做短暂保留。在文本 agent 里几乎不需要。但在多模态和具身 agent 里越来越重要。典型用途是保留最近几秒的视频帧或传感器嵌入用来平滑感知、应对短暂遮挡。代表系统有 HMT、LightMem、SAM2。工作记忆Working Memory“当前正在处理什么”。对应的就是 agent 的 context window是有容量约束的在线工作区。以前大家把它当被动缓冲区塞满了就截断或压缩。这篇综述把它重新定义为一个需要主动管理的计算资源。两条研究线一是写入前的整形在信息进入上下文前先做压缩、折叠、抽象Context-Folding 是代表。二是在线淘汰和更新MemGPT 的分页机制走的是这条路。情节记忆Episodic Memory“发生过什么”。跨会话的具体经历记录带时间和情境上下文。比如上次你偏好两页摘要、“上个方案因为缺 API key 失败了”。难点是两个怎么存包括什么时候触发存储、存多少颗粒度怎么取也就是在需要时检索出相关的历史片段。代表系统有 Memoria、GCAgent。语义记忆Semantic Memory“知道什么”。从情节中蒸馏出来的稳定概念和事实知识。不是某次具体经历而是从多次经历中归纳出的通用知识。实现形式包括知识图谱、层级 schema、辅助参数等。代表系统有 HippoRAG、Zep、Titans。程序记忆Procedural Memory“怎么做事”。可复用的技能、动作模式和工作流。比如搜索 → 阅读 → 提取 → 引用这个固定流程被固化成一个可调用的 routine。形式上从非参数化模板到参数化神经策略都有前者是把 workflow 写下来后者是通过强化学习训练成本能。代表系统有 Voyager、Agent Workflow Memory、LEGOMem。第三维记忆服务谁Memory Subject用户中心记忆记录特定用户的偏好、背景、交互历史用于个性化Agent 中心记忆记录 agent 自身的任务经验、技能、领域知识用于跨任务的能力积累这两类技术上有交叉但目标和评估维度不同。工作记忆、感知记忆和程序记忆基本上是 agent 中心的。语义记忆和情节记忆在两类场景里都会出现。论文用了一张散点图来呈现这个分布关系五种记忆类型在 agent 中心和用户中心两个方向上各自的研究论文数量差异明显感知记忆几乎全是 agent 中心语义记忆则在两侧都很活跃。记忆怎么运转五种核心操作有了记忆系统agent 怎么用它论文把单 agent 的记忆操作归纳为五类覆盖记忆的完整生命周期。存储与索引Storage and Index信息以什么形式写入、怎么组织直接决定后续检索的精度和效率。向量嵌入加上时间戳、任务标识符等辅助元数据是主流做法。结构化存储格式支持更复杂的关系查询图、关系表、层级树都有各自的适用场景。存储格式的选择会一路影响到推理质量。加载与检索Loading and Retrieval从存储里把相关记忆取出来注入当前推理过程。核心挑战是平衡相关性、多样性和上下文预算。取太多是噪声取太少是遗漏。Pre-filtering 先按元数据筛一遍再做语义相似度排序是比较常见的两阶段做法。更新与刷新Updates and Refresh记忆不是写进去就不变的。任务完成后、检测到不一致时需要重写语义摘要、合并重叠的情节记录、调整重要性评分。Reflexion 里的反思机制就属于这类通过自我评估触发记忆更新。压缩与摘要Compression and Summarization把细粒度的情节记录转化成紧凑的抽象表示。RAPTOR 的分层压缩方案把记忆组织成多级树状结构不同颗粒度满足不同检索需求。Dynamic Cheatsheet 方案则维护一个持续更新的任务摘要避免每次都做大规模检索。核心取舍是抽象保真度和长期可回溯性之间的矛盾——压得越狠细节丢得越多。遗忘与保留Forgetting and Retention不加筛选地积累记忆迟早会影响推理质量。简单策略是按时间衰减或重要性阈值淘汰进阶做法是用 RL 学习记忆保留策略BudgetMem 和 Memory-R1 走的是这条路。遗忘不是失败是维持记忆系统健康运转的必要机制。多 Agent 的记忆拓扑多个 agent 协作时记忆怎么共享和隔离论文归纳了四种架构私有隔离Private-Only每个 agent 的记忆完全独立互不干扰。隐私保护好但会产生大量冗余记忆。共享工作区Shared-Workspace所有 agent 共用一个记忆池读写权限都有。通信成本低但容易产生噪声和冲突。MetaGPT 的共享制品池就是这条路线。混合架构Hybrid既有私有层也有共享层由策略决定什么信息放哪里。Collaborative Memory 和 MirrorMind 是代表。编排架构Orchestrated有一个显式的控制器负责任务分解和记忆访问的中介。ChatDev、MIRIX 属于这类流程清晰但控制器本身容易成为瓶颈。记忆怎么学三种策略Agent 怎么建立和改进记忆操作的策略论文把这部分单独成章。基于 PromptPrompt-Based静态或动态 prompt告诉模型什么时候存、存什么、怎么检索。不需要训练灵活但效果上限低。监督微调SFT通过标注数据训练记忆的参数化、检索质量和稳定性泛化性更好但需要数据。强化学习RL按照奖励信号优化记忆操作策略可以做步骤级、轨迹级、跨 episode 的学习。论文认为这是最有前景的方向。MEM1 是 RL 这条路线的代表一个端到端的框架让 agent 在有界记忆预算下完成任意长度的交互任务。内存使用接近常数不随交互轮数线性增长。Mem-α 也走类似路线。这两个系统指向同一个结论记忆大小不应该和交互轮数成正比。记忆在实际场景里怎么用论文梳理了记忆机制在不同领域的落地方式。我挑几个比较有代表性的科研辅助科研 agent 需要综合大量文献、维护多阶段推理的来龙去脉。IterResearch 用 Markovian 状态重建方案只保留不断演化的报告和最新结果避免上下文被历史信息撑爆。MirrorMind 模拟集体智能从层级化的认知风格库和知识库里检索特定视角。软件工程有效的代码 agent 不只是生成代码还要回忆之前的失败轨迹。MetaGPT 把程序记忆用于开发工作流把语义记忆用于项目规范。SWE-Bench 的实验显示记忆机制显著提升了多文件跨 issue 的修复成功率。对话系统MemGPT 把 context window 当操作系统来管在主 context 和外部存储之间做数据调度。更新的 O-Mem 则维护一个三组件的用户画像从交互中持续提取和更新用户 persona。机器人与具身智能Memo 用周期性摘要 token 压缩轨迹信息用于长视野导航通过 RL 训练。MG-Nav 用地标区域而非稠密点云构建空间记忆图模拟人类导航的工作方式。记忆在这里充当高层规划与低层控制之间的桥梁。教育LOOM 构建学习者记忆图映射教学概念之间的前置依赖关系。Agent4Edu 直接复现艾宾浩斯遗忘曲线来模拟知识衰减用于教师培训。这里记忆不只是历史日志更接近学生的认知数字孪生。怎么评估记忆效果论文整理了两类 benchmark用户中心和 agent 中心。用户中心的 benchmark 里LongMemEval 比较全面50K 会话、500 个问题、最长 150 万 token。HaluMem 专注于记忆幻觉设计了记忆完整性Memory Integrity, MI和虚假记忆率False Memory Rate, FMR两个专项指标。这是我看到的比较有针对性的评估设计。Agent 中心方面SWE-Bench 和 WebArena 是比较常见的基准前者 2.3K 实例考察代码 patch 解决率后者 812 个 web 任务考察成功率。OSWorld 包含 369 个多模态 OS 任务也开始被引用。论文直接指出了现有 benchmark 的系统性缺陷几乎所有评估都是重置式的、孤立的、短时程的。它们不考察 agent 是否真的在跨任务积累知识也不考察长期一致性。这是个真实的评估空白。六个悬而未决的问题论文最后列了六个方向我觉得最有意思的三个持续学习与自进化现在的 agent 在单次任务里还行但跨任务的知识迁移基本是空白。需要把情节、语义、程序记忆整合进 post-training 流程而不是靠推理时的启发式策略。记忆基础设施与效率论文把进化路径描述为三级分别是有组织的文本记忆、压缩的隐向量记忆、通过 RL 吸收进模型状态的参数化内化记忆。当前大多数系统停在第一级。可信记忆与隐私记忆越强攻击面越大。记忆投毒、对抗性记忆注入、黑盒提取攻击已经是真实的威胁向量相关攻击工作在 2024-2025 年间陆续有论文发表。用户对记忆内容的可视、可编辑、可撤销控制目前几乎没有系统认真做。我的感受读这篇综述之前我对 agent 记忆的理解停留在加个 RAG 就行这个层次。读完发现这件事的纵深远超我预期。光是工作记忆应该被主动管理而不是被动截断这一个观点就足以改变我写 agent prompt 的方式。程序记忆从 workflow 模板向 RL 训练策略的演进也让我开始重新思考agent 技能到底应该用什么形式存储。目前这个领域的评估是真正的瓶颈。大家都在孤立的静态 benchmark 上跑分。但真正有价值的 agent 是那种能跨任务积累经验、越用越聪明的。这个特性在现有 benchmark 里基本无法被衡量。在有更好的评估框架出现之前很多记忆能力提升的声称其实很难被认真验证。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】