精英长记忆

要解决什么问题

AI Agent 的记忆通常被限制在单次会话的上下文窗口内。会话结束、进程重启、或上下文被压缩后，Agent 就会忘记此前积累的事实、用户偏好和任务中间状态。这使得它难以胜任需要跨会话追踪状态的长期任务——比如跟进持续数周的项目、记住用户的特定要求，或在多次对话之间保持连贯的认知。短期上下文与真正的长期记忆之间，缺少一层持久化机制。

技能如何工作

longmemo-elite-cn 的思路是把记忆从上下文窗口中剥离，交给一套可持久化的系统统一管理。核心能力包括：

• 记忆写入：当 Agent 遇到值得记住的事实、决策或状态变化时，通过技能接口写入长期存储，而不是任其随会话消失。
• 记忆召回：处理新任务时检索已存储的记忆，把相关历史上下文重新注入当前会话，保持连续性。
• 记忆生命周期管理：长期记忆不是无限堆积的，需要区分哪些仍然有效、哪些已经过时、哪些彼此矛盾，并适时合并、修剪或归档。

关键步骤大致是：识别需要记忆的内容 → 结构化写入 → 在合适时机检索相关记忆 → 将召回结果注入上下文 → 定期维护记忆库的健康度。

适用边界与注意点

• 记忆召回的质量决定整个系统的上限；检索不到相关记忆时，Agent 依然表现为「健忘」。
• 长期存储会持续增长，需要对容量、检索延迟和过期清理有明确的策略预期。
• 过期或错误的记忆比没有记忆更危险——它会让 Agent 基于过时信息做判断，且这种失效难以察觉。