# 智能体记忆：记住什么，比记住多少更重要 区分任务状态、用户偏好和组织知识，设计可核对、可修正的智能体记忆。 要点：智能体记忆应保存未来任务确实需要的信息，并明确来源、适用范围和更新方式。临时任务状态、个人偏好与组织规则具有不同效力，不宜混用。记忆的价值来自帮助后续判断，而不是无限积累对话。 ![打开的资料抽屉中有序分隔的参考卡片（AI概念配图）](/images/guides/covers/agent-memory-v2.png) ## 先区分三种容易混在一起的信息 正在办理的事项需要任务状态，例如已确认的字段和待完成步骤；反复出现的表达习惯可以形成偏好；正式业务规则则应回到组织知识来源。三者在持续时间、访问范围和修改权限上并不相同。 如果把一次对话中的临时要求长期保存为规则，智能体可能在新的任务中沿用过期条件。记忆条目应说明它适用于谁、哪类任务、何时获得，以及是否需要再次确认。 ## 记忆需要出处，也需要纠正入口 “用户喜欢某种方案”可能是系统的推断，也可能是用户明确表达。保存时应区分这两种来源。对于会改变业务动作的信息，尽量保留可核对的原始依据，而不是只保留一段压缩结论。 用户修改要求之后，新信息应能替代同一事项的旧记录。删除和更正不能只影响界面显示，还应检查检索索引、摘要与缓存。否则被纠正的偏好可能在下一次任务中重新出现。 | 记忆类型 | 主要管理问题 | | --- | --- | | 任务状态 | 何时完成或失效 | | 个人偏好 | 是否明确表达、能否更正 | | 组织知识 | 是否有有效来源和访问权 | ## 每次使用，只取当前问题需要的部分 把所有历史都放入上下文，可能增加费用，也可能让旧条件干扰新任务。可以按任务对象和信息类型检索，再检查适用时间。关键约束应保持完整，背景记录可以按需要摘要。 评价记忆效果时，既要看能否延续任务，也要看是否错误沿用别人的信息、过期条件或已取消要求。能够正确遗忘，与能够正确回忆同样重要。 ## 连续性不应变成不可解释的惯性 好的智能体记忆会让协作更连贯，同时允许用户知道系统依据了什么。必要时可以展示本次使用的关键偏好或任务条件，给人一个修正机会。 长期运行的智能体越多，记忆治理越接近信息治理。企业应把保存目的、可见范围和更新责任视为能力的一部分，而不是等出现误用后才补上。 ## 让记忆保留出处和失效方式 把本次询盘状态、某人的表达偏好和企业正式规则分别保存，注明来源、适用对象及更正入口。新要求替代同一事项旧要求，其他未取消约束继续保留；不默认载入全部历史。 ## 参考来源 - [Anthropic｜Effective context engineering for AI agents](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)：组织指令、资料和工作状态；文章发表于 2025-09-29 - [Anthropic｜Building effective agents](https://www.anthropic.com/engineering/building-effective-agents)：工作流、工具与智能体设计原则；不作为本站产品效果证据 ## 可维护的智能体记忆 - 分清性质：状态、偏好与正式知识 - 保留条件：来源、范围与时间 - 允许修正：新要求替代旧记录 ![可维护的智能体记忆](/images/guides/diagrams/agent-memory.svg) ## 继续阅读 - [上下文工程是什么？让 AI 拿到当前任务真正需要的信息](/guides/context-engineering) - [知识库的时效性：答案正确，还需要一个时间条件](/guides/knowledge-freshness) - [智能体版本管理：一次提示词修改，也是一项产品变更](/guides/agent-versioning) 明确授权、处理位置与双方责任；部署、接口、定制及代运维另列技术实施。 下一步：[核对数据与合作边界](/data-boundary) 原文：/guides/agent-memory 内容版本：guide:agent-memory:v1 [结合企业情况咨询](/intake?source=%2Fguides%2Fagent-memory&articleId=guide%3Aagent-memory&versionId=guide%3Aagent-memory%3Av1)