Agent 记忆系统：短期与长期

章节大纲

3.1 Agent 为什么需要记忆

• 无记忆 = 每次都是“新员工”
• 上下文窗口 ≠ 记忆
• 记忆的本质：跨会话的状态保持

3.2 记忆的四层结构

• 工作记忆（Working Memory）：当前对话上下文
• 短期记忆（Short-term）：本轮任务相关
• 长期记忆（Long-term）：跨会话的用户偏好、事实
• 情景记忆（Episodic）：过去执行过的任务记录

3.3 四大核心操作

• Write：什么时候写、写什么、写哪里
• Read：语义检索 vs 精确查询
• Update：修改已有记忆
• Forget：什么时候该主动遗忘

3.4 记忆的技术实现

• 向量数据库（Chroma / Milvus / Qdrant）
• 图数据库（Neo4j）用于关系记忆
• SQLite 用于结构化事实
• 混合方案

3.5 语义搜索（Semantic Search）

• Embedding 模型选型
• 相似度阈值调优
• ReRank 提升准确率

3.6 记忆的常见坑

• 存太多 = 信噪比降低
• 存太少 = 每次都要重新解释
• 遗忘策略缺失 = 记忆污染

3.7 实操：给 OpenClaw 接入 Memory Search

• provider 选型
• endpoint 配置
• embedding 模型选择

---

本章为大纲版本，正文待补充。