给 Agent 加记忆之前，先想清楚要记什么

"给 Agent 加上长期记忆"——这句话听起来像是能力升级，实际做起来更像是在给它埋雷。

记忆的三种类型

一、会话内的上下文

这个最简单，就是对话历史。但也不是全塞进去就好：超过一定长度，早期信息会被稀释，而且成本线性增长。我们的做法是保留最近 6 轮完整对话，更早的做摘要。

二、用户偏好

"这个用户喜欢简洁的回答""这个用户在上海""上次说不要用表格"。这类信息值得长期记住，因为它影响每一次输出。

关键是要能改。用户说"以后详细一点"，记忆要更新，不能两条都留着自相矛盾。

三、事实性记忆

"这家客户的合同 12 月到期""这个项目对接人是王工"。这类信息最危险——一旦记错，后面所有推理都建立在错误前提上。

我踩过的坑

有个客服 Agent，我给它加了"从对话中自动提取客户信息并记忆"。跑了三天，记忆库里出现了：

• "客户说他们公司有 200 人"（实际是客户在举例，说的是另一家公司）
• "客户对价格不满意"（客户只是问了一句"能便宜吗"）
• "客户下周三要方案"（这是客户转述他老板的话）

模型把闲聊、假设、转述全都当成了事实。

后来改成：只记用户明确陈述的信息，而且要求模型在提取时给出原文引用。有了引用，人工抽检就能快速判断对错。

记忆的清理

这一点容易被忽略。记忆会过期、会冲突、会累积垃圾。

我们的规则：

• 每条记忆带时间戳和来源
• 超过 90 天的事实性记忆，标记为"待确认"，使用时提示"（信息可能已过期）"
• 同一个 key 有冲突时，以最新的为准，旧的保留在历史里但不参与推理
• 用户说"忘掉这个"要真删，不是标记

一个更务实的做法

与其做自动记忆，不如做用户可见的记忆。

我们现在的做法是：记忆在侧边栏列出来，用户能看到"我记住了这些"，能手动删、手动改。这样即使记错了，用户也能纠正，而不是被一个看不见的黑箱困住。

自动记忆省了用户的操作，但把风险也转嫁给了用户。记忆这件事，透明比聪明重要。