Agent 记忆系统的分层设计

Agent 记忆不该只是聊天记录压缩，而要分清任务、用户、历史事实和可复用能力的权威层级。

从 L0 到 L4 拆解工作记忆、长期记忆和 Skill 治理边界

Agent 没有记忆时，每个新任务都像重新认识用户。

它不知道你之前定过什么规则，不知道哪些方案已经试过，也不知道上一个线程里留下了什么结论。结果就是重复确认、重复试错、决策漂移和不稳定执行。

记忆系统的目标，是在正确时机，把正确层级的记忆交给正确的 Agent。保存聊天记录只是原料，不是结果。

一个可用的记忆系统，至少要同时处理任务连续性、用户连续性和能力连续性。

图：分层记忆要先按权威性和作用域摆正位置

记忆让 Agent 从一次性执行器变成协作系统

没有外部记忆时，模型只处理当前窗口。

窗口里有什么，它就知道什么。窗口外发生过的决策、失败、偏好和规则，如果没有被重新注入，它就近似不知道。

这会带来四类问题：

问题	表现	需要的记忆
任务中断后难恢复	忘记进度、重复调用工具、重新分析旧问题	工作记忆
用户反复说明偏好	每次都问语言、格式、权限和业务口径	显式长期记忆
历史事实会变化	旧偏好继续生效，新决策没有覆盖旧决策	隐式长期记忆
同类任务反复踩坑	工具参数、失败路径和验证方式无法复用	程序性记忆

记忆的价值取决于使用时机：该用时能用，不该用时不污染当前任务。

四类记忆不要混成一层

Agent 记忆可以先按内容类型分成四类。

类型	解决什么问题	典型载体	写入方式
工作记忆	当前任务到哪一步	消息、工具结果、Runtime State、Checkpoint	执行中自动更新
显式长期记忆	用户明确要求长期记住什么	用户偏好文件、结构化事实源	用户确认后写入
隐式长期记忆	从历史中推断出的事实、关系和变化	Memory Bank、Fact、Observation	系统抽取，保留来源
程序性记忆	同类任务以后怎样做	TaskGuide、Skill、Workflow、Playbook	自动沉淀或用户维护

这四类的治理方式不同。

工作记忆追求实时一致。显式长期记忆追求可见、可改、可删。

隐式长期记忆追求来源可追溯和时间可纠错。程序性记忆追求复用，但必须区分自动建议和正式规则。

把它们塞进一个“memory”字段，只会让冲突越来越难处理。

L0 到 L4 是工程权威分层

落到工程实现，可以把记忆分成五层。

层级	定位	作用域	权威性
L0	任务与线程工作记忆	单任务、单线程	当前任务内最高
L1	用户确认的显式长期记忆	单用户、跨线程	用户长期事实
L2	系统抽取的隐式长期记忆	单用户、跨线程	候选事实，需带来源
L3	自动生成的任务经验	Agent 或任务域	低权威建议
L4	用户维护的 Skill / Workflow	团队、项目或任务域	正式执行规则

L0 负责不断线。

L1 和 L2 负责用户连续性。L1 来自用户明确确认，优先级高。L2 来自历史抽取，必须可纠错，不能覆盖 L1。

L3 和 L4 负责能力连续性。L3 可以自动学习经验，但只能作为建议。L4 是经过用户或负责人确认的正式流程，必须有版本、所有者和回滚机制。

读取时先过滤，再注入

记忆不能全部塞进上下文。

长记忆如果常驻，会浪费 token，也会把过期信息和不相关经验带进当前任务。

更稳的做法是任务开始前生成一个只读 MemoryContext。

图：记忆进入上下文前要经过过滤和冲突处理

这一步要处理四个问题。

第一，作用域。用户记忆不能跨用户污染，项目规则不能误用到另一个项目。

第二，权限。某些记忆可以供系统判断，但不适合直接注入模型。

第三，冲突。当前请求和工具结果优先于历史记忆。

用户确认事实优先于系统推断，正式流程优先于自动经验。

第四，预算。高相关、短摘要、可追溯证据优先进入上下文，长历史按需读取。

L1 要有结构化事实源，不能只写文件

显式长期记忆保存的是用户确认过的稳定事实。

例如默认语言、输出风格、长期权限边界、业务背景和固定工作习惯。

这类信息必须可见、可编辑、可删除、可审计。推荐做法是结构化事实源加运行时投影，而不是让模型直接改一个 user.md。

组件	职责
事实源	保存原子事实、作用域、来源、版本和状态
Memory Service	处理权限、冲突、删除、审计和投影
只读投影	给不同 Harness 生成可消费的 `user.md` 或上下文片段
记忆工具	提供查看、新增、修改、删除和策略配置
管理界面	让用户直接检查和纠错

模型只能通过工具写入，不能直接修改投影文件。

用户说“以后报告默认中文”，可以写入 L1。

用户说“这次报告用中文”，只进入 L0，不能变成长期偏好。

L2 要从历史里抽取事实，而不是召回整段对话

隐式长期记忆面对的是变化中的事实。

普通向量检索可以找相似片段，但它不擅长处理新旧信息、精确实体、多跳关系和历史决策原因。

更适合的流程是先抽取，再召回。

任务结束后，系统生成带来源的事件记录。Eligibility Gate 先过滤寒暄、临时参数、执行噪声和敏感凭证。Retain 再提取事实、实体、关系和时间，写入用户独立的 Memory Bank。

新请求开始时，Recall 按多路信号召回证据：

召回通道	解决什么
Semantic	表达不同但语义相近的偏好或事实
Keyword	人名、项目名、错误码和术语精确命中
Graph	沿实体关系补全多跳链路
Temporal	处理时间范围、新旧变化和过期事实

L2 的输出应当是带来源的候选事实。它可以帮助模型判断历史背景，但不能覆盖当前用户要求，也不能覆盖 L1。

L3 自动经验要低权威、可衰减

Agent 做过的任务里，最有价值的往往是失败后恢复成功的路径。

但失败日志不能直接变成经验。只有根因被确认、恢复路径被验证、适用条件能说清，才值得沉淀。

L3 的产物不该是完整日志，而是精简的 ExperienceCard 或 TaskGuide：

{
  "problem_signature": "适用的问题类型",
  "preconditions": ["前置条件"],
  "recommended_steps": ["推荐步骤"],
  "avoid_steps": ["已验证无效或高风险的步骤"],
  "validation": ["结果验证方法"],
  "confidence": 0.8
}

在线使用时，L3 只召回少量高相关经验，通常控制在 1 到 3 条。它们进入规划阶段，提醒 Agent 少走弯路。

L3 不能放进不可覆盖的系统规则区，也不能和当前用户请求、L4 正式流程冲突。

自动经验应该能增强、降权、修正和过期。一次失败不能永久污染后续任务。

L4 是正式能力，不是自动经验

L4 保存经过确认的 Skill、Workflow 和 Guardrail。

它和 L3 最大的区别是权威性。

L3 可以自动生成，适合做建议。L4 必须由用户、负责人或团队确认，适合作为生产执行规则。

一条 L3 经验要晋升 L4，至少经过这些步骤：

汇总跨任务证据
生成可编辑草稿
写明适用场景、输入输出、工具权限和验证规则
用户确认作用域和负责人
发布前做静态检查和样例回放
发布后保留版本、监控和回滚能力

自动系统可以提出草稿，不能静默发布正式规则。

写回要按信息性质分层

任务结束时，系统要先判断信息类型，再决定写到哪一层。

图：不同记忆层的写入权威和使用边界不同

读取失败不能阻断主任务，除非缺的是强制 Workflow。写回失败也不应该影响本次结果，应该记录日志并重试。

自动写入尤其要谨慎。错误记忆一旦长期存在，会在多个后续任务里反复放大。

冲突处理要分事实和规则

记忆冲突分两类。

事实冲突回答“现在什么是真的”。

执行规则冲突回答“现在应该怎么做”。

两类冲突不能混在一起比较。

冲突类型	推荐优先级
事实	当前请求和工具结果 > L0 有效状态 > L1 明确事实 > L2 候选事实
执行规则	系统安全与当前要求 > L4 正式规则 > L3 自动建议

新旧事实冲突时，不要静默删除旧证据。保留来源、时间和置信度，给后续纠错留路。

L3 经验和 L4 流程冲突时，L4 胜出。自动经验可以提出更新建议，但不能覆盖正式规则。

建设顺序从确定性开始

记忆系统不要一开始就追求全自动。

更稳的建设顺序是：

先做 L1 显式记忆，建立结构化事实源和用户可编辑能力
再统一 MemoryContext，解决身份、权限、作用域、冲突和 token 预算
做 L2 试点，验证抽取、召回、时间更新和成本
让 L3 离线学习，通过影子评测证明能减少步骤、工具调用和错误恢复
补齐 L4 发布、版本、权限和回滚，再开放 L3 晋升

验收指标也不该是“存了多少条记忆”。

真正有意义的指标包括任务成功率、重复说明次数、无效工具调用、token 成本、延迟、错误记忆率和用户纠错成本。

记忆系统的价值，是让 Agent 少问、少错、少重复，并且在出错时知道为什么错、该从哪里修。

好记忆必须可控

Agent 记忆不是越自动越好。

没有治理的记忆，会把一次性要求变成长期偏好，把失败尝试变成推荐路径，把旧事实变成新任务的错误前提。

一套可靠的记忆系统要同时做到：

小索引常驻，详细内容按需读取
用户确认事实高于系统推断
自动经验低权威、可衰减、可回滚
正式流程必须有所有者和版本
每条长期记忆都保留来源、作用域和删除路径

记忆让 Agent 变聪明的前提，是它始终可解释、可撤回、可治理。

否则，记住得越多，错得越稳定。

AI小老六