Agent 聊两句就"失忆"？3 层记忆架构让它越用越聪明

为什么 Agent 总失忆

很多人抱怨 Agent"越用越笨"：昨天刚教它记住服务器 IP、记住你的偏好，今天新开会话全忘了。这不是它不努力，是架构问题——大模型的上下文窗口就是"工作记忆"，会话一断就清空。把重要信息全塞进上下文，又会被 token 上限和注意力稀释拖垮。

我按"热数据 → 温数据 → 冷数据"的思路，给 Agent 搭了三层记忆：

第 1 层：会话内短期记忆（上下文窗口）。只放当前任务必需的东西：本轮目标、关键约束、最新几条对话。原则是"用完即弃"，别把历史全堆进来。

第 2 层：持久化中期记忆（结构化存储）。把反复要用的事实抽出来单独存——服务器 IP、数据库连接、老板的偏好、踩过的坑。每次新会话启动时按需检索注入，而不是全量加载。我的做法是一个数据库/JSON 文件 + 按关键词检索。

第 3 层：外部长期知识库（Wiki / 文档）。项目文档、完整决策记录、踩坑复盘，这些不塞进上下文，Agent 需要时再去查。相当于给它配了个"图书馆"。

最大的坑是"什么都想记"。一开始我把任务进度、临时状态也往中期记忆里塞，结果脏数据越堆越多，检索出来的全是过时信息。后来定了条铁律：只有跨会话还会用到的事实才进中期记忆，任务状态一律不记。

第二个坑是写入不及时。总想"等会儿再整理"，结果 session 一断，经验全丢。现在改成"做完即写"，重要决策立刻落库。

这套架构跑下来，Agent 从"每次都像新来的"变成"越用越懂你"。核心就一句话：记忆要分层，写入要即时，检索要按需。