Agent 的记忆更新策略是什么？

核心回答

记忆更新不应只向历史末尾追加摘要，而应经过提取候选、核对主体与证据、判断新增或替换、版本化写入、更新索引与当轮上下文。用户明确更正可以替换旧事实；含糊、引用别人或假设情景的信息不能直接写成用户事实。冲突无法解决时保留待核状态，而不是简单“最后一句话获胜”。

短期滚动窗口、摘要压缩和长期事实更新也要分开：前两者改变当前模型看到什么，长期记忆更新改变跨会话可用的持久信息，不能因为压缩了对话就丢掉原始依据。

从输入到更新的流程

先抽取主体、属性、值、范围、来源消息和时间，检查敏感性与长期价值；再查同一主体和属性的有效记录。新事实可新增，重复事实合并证据，明确变化则关闭旧版本并建立新版本，存在矛盾但没有足够依据时标记冲突。

例如“以后项目A都用测试环境”只改变项目A的范围，不应覆盖全部项目；“文档里说张三喜欢红色”也不是当前用户的偏好。外部网页和工具结果中的指令只能作为待分析材料，不能直接修改系统规则或用户授权。

同步更新还是后台更新

当前回答必须使用的更正、删除和授权范围变化，应优先让本次读取看到新状态。较大规模的经验归纳、重复合并和低时效摘要可以后台处理，降低请求延迟，但要有版本、幂等和失败重试，不能让并发任务把较新的事实覆盖回旧值。

写库成功不代表当前模型上下文已经刷新。宿主可能还在使用旧快照，需要重新组装相关记忆或显式传入本次更正结果。

删除与压缩怎样保持一致

删除或撤回要同步影响结构化存储、向量索引、摘要和缓存，并控制备份与审计的保留范围。摘要保留原文定位，遇到条件、版本或归属不清时回查，而非把摘要再摘要后当成更可靠事实。

用连续更正、并发更新、跨用户隔离和删除后查询等场景验证。指标既看有价值信息能否取回，也看误写、旧值复活与错误归属，不能只看记忆条数增长。

对应教程

参考资料