Agent 如何设计分层记忆，实现短期与长期信息的保存和使用？

核心回答

Agent 的分层记忆，应按信息服务什么范围、何时读写、如何保持有效来设计。一种实用组织方式是：

1. 近期对话：保留当前会话最近的原始消息，延续指代、追问和用户更正；较早过程可以摘要或按需回查。
2. 当前任务状态与摘要：保存目标、约束、已确认参数、进度和待办。关键事实用结构化字段，摘要补充经过与背景，避免每轮从聊天中重新猜测。它与近期对话都服务当前任务，通常属于短期信息。
3. 跨会话长期记忆：保存后续仍有用的偏好、项目事实、历史决策和经过验证的经验，按用户、组织和项目限定作用域。

这不是统一的“三层标准”，也不要求三套数据库。一次调用先恢复当前任务，读取适用的长期默认与相关经验，检查时效和冲突，再组织成本轮上下文；执行后更新消息与任务状态，只有具备持续价值和可靠依据的信息才进入长期记忆。存下来了，还要能在需要时正确取回，才会影响模型的回答。

例如长期默认是“华北、按周”，本次用户要求“华南、按月”，当前任务采用新参数，长期默认保持原值；只有用户明确改变默认，才更新对应的长期条目。更正或删除后，还要让旧摘要、索引和缓存停止提供失效信息。

用一次问数任务串起读写过程

假设某用户在电商项目中的默认查询口径是“华北、按周”。下面是设计示例，重点看同一条信息怎样在不同阶段生效。

第一步，开始任务时读取必要背景。 应用根据已认证用户和当前项目，读出该项目的默认口径；有未完成任务时，另按任务标识恢复进度。用户新发来“这次改查华南，按月统计”，近期消息保留这句原文，任务状态更新为“地区：华南；粒度：月”，并记录这两个值来自本轮明确要求。长期默认只在用户未指定参数时补缺，不覆盖本轮要求。

第二步，执行中按需要补读。 用户接着说“再和去年对比”，近期原文帮助识别“再”的指代，任务状态提供已经确认的地区与粒度；指标口径和用于同比的时间范围若未确认，应先补齐。此时只补充对比所需的条件或历史依据；如果要算实际销售额，应查询业务数据源，旧记忆不能代替本次查询结果。任务开始时加载少量常用背景，执行到缺少历史依据的步骤再通过工具检索，避免每轮翻完整个记忆库。

第三步，按实际结果更新短期状态。 工具完成查询后，保存必要的结果、校验结论和下一步；长表格或完整返回可以外置，状态保留可回查位置。只有收到执行结果，才把对应步骤设为完成。任务暂停后仍可恢复这些状态，因此“短期”并不等于只能保存几分钟，也不等于关闭窗口就必须删除。

第四步，判断是否更新长期记忆。 这次查询完成，并不能推出用户以后都改用华南和月粒度。若用户明确说“这个项目以后默认查华南、按月”，才把该项目的默认口径更新为新版本，保留来源与生效时间，旧版本退出正常召回。另一个项目的默认口径不受影响。用户直接提出的默认变更应及时写入；从任务中归纳经验则可以后台处理，并先核对适用条件与依据。

第五步，新会话重新读取有效版本。 下次用户没有另提地区与粒度时，才使用更新后的项目默认；若用户再次指定“本次按周”，只覆盖本次任务。这样既能跨会话复用，也不会让一次临时例外污染以后所有任务。

原始对话、工具结果和摘要承担不同职责。摘要是有损的任务视图，精确数值、原话或执行记录仍应能回到原始材料核对。

长期写入：保存多大一条，怎样避免写错

长期记忆的粒度可以是一个有完整条件的事实，或一次可复用的关键事件。不要把整场聊天不加选择地存成一条，也不要把一句话拆成失去条件的碎片。例如“此项目默认华北、按周”应连同项目范围保存；一次排障经验则应包含问题、环境、采用方法和已验证结果，而不只留下“重试成功”四个字。

条目除内容外，可以携带来源消息或证据位置、所属用户与项目、形成时间、生效范围、版本和当前状态。来源时间与有效时间也要区分：“今天提到去年采用过的配置”不代表该配置今天仍然有效。结构化的默认值可以按键保存，较长的事件和经验再按需要建立关键词或语义索引；长期记忆不要求全部向量化。

写入前先查同一范围内已有条目，判断是新增、重复补充、纠正旧事实，还是一次局部例外。模型可以抽取候选，但一次性参数、未经确认的推测和来源不明的内容，不直接成为稳定偏好。遇到范围或意图含糊的冲突，先保留待确认信息；不能只因新条目更近或向量分数更高就覆盖旧条目。

同步写入便于下一轮马上读取，但增加当前耗时；后台抽取减少等待，却可能暂时读到旧版本。对已明确要求修改的默认值，要让应用知道何时更新生效。重试可按源消息与抽取批次等稳定标识去重，多会话同时修改同一默认时，用版本校验等方式发现覆盖冲突。

读取：先限定范围，再筛选相关信息

会话历史按当前任务标识读取；长期记忆由应用的数据访问层限定可信的用户、组织和项目范围，缓存与检索索引遵守同一边界。不能让模型随意填写一个用户标识，就直接读取该用户的记忆。

读取可分两条路径：默认语言、项目配置等明确字段直接按键读取；历史事件和经验按关键词、语义、时间等条件检索。候选还要检查是否有效、是否适用于当前问题，再去重、排序并控制预算。语义相似只说明“可能相关”，不能证明该事实仍然正确，也不能替代访问授权。

下图只画读取侧。三类信息按需读取后，经过筛选和组织进入本轮上下文；分层描述的是逻辑职责，存储可以按业务需要共用或拆分。

flowchart TD
    READ[按作用域读取必要信息<br/>近期对话、任务状态<br/>跨会话长期记忆] --> SELECT[检查相关性、时效与冲突<br/>控制上下文预算]
    SELECT --> CONTEXT[构建本轮上下文]
    CONTEXT --> MODEL[模型调用]

冲突要结合来源与适用范围处理：本次“华南、按月”覆盖本次查询的默认值，但不自动修改长期偏好；同一项目明确改变默认，才替换该项目的有效版本。记忆内容是业务资料，不能替应用授予权限或改变系统约束。

输入过长时，优先保留当前目标、有效约束、近期更正和必需证据，再缩小历史窗口、摘要或召回内容，为输出预留空间。裁剪时还要保留必要的工具请求与结果关系。详细压缩取舍可继续看多轮对话变长时，如何控制上下文长度并选择压缩策略？。

更正、过期、删除与恢复

用户纠正一个事实时，除更新当前有效条目，还要检查基于旧条目生成的摘要、索引和缓存。例如默认口径已经改成月粒度，旧摘要中的“用户一向按周查询”也应失效，不能在下次检索时把旧默认重新带回来。需要追溯时可保留历史版本与来源，但失效版本退出正常召回；不同信息按实际用途设保留期限，长期记忆也要重新核实。

删除或撤销时，读取链路先排除对应内容，再按保留策略处理主记录及衍生的索引、摘要和缓存。后台重新扫描旧对话时，还要识别撤销记录，防止又把已经删掉的偏好抽取回来。仅从向量库删掉一条向量，并不代表所有读取入口都已清除。

在 LangChain / LangGraph 的当前主线中，checkpointer 按 thread_id 保存线程内执行状态，store 保存跨线程的应用数据。长期条目由 namespace 和 key 组织：get 适合按键读取，put 写入或覆盖，search 查找候选，delete 删除条目。搜索可按命名空间前缀覆盖子范围，应用应控制允许搜索的范围；这些接口本身也不会替应用判断“用户是在改默认，还是提一次例外”。

内存后端不等于进程重启后仍可恢复，后端耐久性需要另外配置。深度研搜里的 StoreBackend 则把文件工具的读写映射到 Store，并不会把普通聊天自动沉淀成长期记忆。

恢复任务时，除加载检查点，还要核对当前权限、状态版本和工具结果是否仍有效；对已经产生的外部动作查执行记录或使用幂等机制，避免重复执行。历史库存、订单状态等会变化的数据，也不能只凭旧记忆当作实时结果。

追问：怎样知道分层记忆确实有效？

围绕不同用户、组织、项目和多个会话做检查，观察系统是否产生预期状态变化：

• 本次指定“华南、按月”后，本轮用新参数，下次新任务仍沿用原默认。
• 明确说“以后默认华南、按月”后，该项目的新会话取到新版本，其他项目保持自己的默认。
• 不同用户或组织不能互读；同一用户的两个项目按各自范围读取，检索与缓存也不混用。
• 暂停后恢复，已完成步骤和待办仍在，并且不会重复产生外部动作。
• 更正、过期或删除后，旧记录及其摘要、缓存不再进入正常召回；后台处理也不会重新写回已撤销内容。

同时观察相关记忆召回、无关内容注入、读取代价与最终任务结果。库里有正确记忆而回答没用上，就沿“范围限定、召回、有效性筛选、上下文构建、模型使用”逐段检查；一开始写错了，则修写入选择与纠错机制。增加记忆条数或召回数量，不能直接证明效果变好。

RagentJava Agent

基于 Ragent

Ragent 分别处理当前会话中的工具结果、较早的对话内容、跨会话的用户记忆：旧工具结果优先裁剪，长会话压成摘要，值得长期保留的信息单独写入。三者有不同的触发条件和读取范围。

执行中保留什么，压缩什么

工具结果裁剪按上下文字符水位触发，只处理配置允许裁剪的旧结果；本轮、尚未闭合及最近保留的工具循环受到保护。被裁剪的正文换成省略标记，但调用 id、工具名、元数据与成功或失败状态仍保留，避免把一次失败改写成成功，或破坏调用与结果的对应关系。

会话摘要只在新用户消息到来且超过压缩水位时尝试，沿用户轮次选择切点，合并旧摘要与早期消息，保留近期完整片段。摘要生成失败或找不到安全切点时不直接删除原文，退回工具结果裁剪。这些水位按字符估算，不是精确的 Token 计数。裁剪实现、摘要触发与失败处理。

用户记忆怎样跨会话生效

长期记忆按用户独立保存；一次运行首次读取有效条目，形成调用级快照，并注入模型输入。后台学习按消息游标读取新增用户发言，对照已有记忆判断新增、修改或删除；记忆变更与游标推进在同一事务提交。用户明确要求记住、修改或忘掉时，另走主动整理入口。记忆注入、增量学习。

例如商品咨询中的本次预算和已选型号用于当前任务，稳定偏好才适合跨会话复用；订单状态、库存和优惠有效性仍要查询业务工具。摘要有损，记忆写入也可能失败，保存了偏好不等于取得了最新业务事实。

对应教程

参考资料