智能体记忆体系架构师

智能体为什么会「失忆」或「爆内存」

让 LLM Agent 连续干活时，最常见的两个故障往往不是模型不够强，而是记忆系统没设计好：长任务里上下文塞满后行为漂移，或者跨会话硬塞全文导致检索噪声爆炸、成本失控。把「所有对话都存进向量库」并不是解法，它同时制造了隐私风险和垃圾数据。

这套技能解决什么

它把记忆拆成四层，每层独立选择载体与生命周期：

• 程序性记忆：技能、SOP、工具用法，写进代码与 SKILL.md，走版本管理
• 语义记忆：事实、偏好、人设，存向量库 + 结构化档案，可更新
• 情景记忆：具体事件与对话片段，带时间戳日志，定期压缩
• 工作记忆：当前任务上下文，任务结束即清空

技能如何工作

1. 摸底：确认使用场景、对话频率、需要记住的信息类型、隐私合规约束
2. 选型：轻量（纯文件 + 关键词检索）/ 中等（本地嵌入 + 语义检索）/ 企业（向量库 + 权限 + 审计）
3. 协议设计：写入端约定触发时机与去重，只写摘要不写全文；读取端规定检索触发阈值与注入位置（系统提示 vs 工作记忆）
4. 防膨胀：情景记忆定期压缩为语义记忆，配合 TTL 与低访问淘汰策略、容量上限
5. 交付模板：输出目录结构、读写伪代码与检索评分示例，可直接落地改造

适用边界

不设计违反隐私与合规的持久化（如未授权保存敏感 PII）；不假设某个向量库在你的环境必然可用，选型均标注需自行验证；检索必须带相关性阈值，避免噪声注入。