跳转至

Agent 记忆系统的主矛盾：历史增长 vs 临场上下文调度

Ch06.043 Agent 记忆系统的主矛盾：历史增长 vs 临场上下文调度

📊 Level ⭐⭐ | 3.8KB | entities/agent-memory-main-contradiction-context-scheduling.md

Agent 记忆系统的主矛盾：历史增长 vs 临场上下文调度

用"主次矛盾"框架重看 Agent Memory 方法谱系的系统性分析。核心论点：Agent 记忆系统的本质不是存储问题，而是上下文调度问题——在持续增长的历史和有限脆弱的临场上下文之间的矛盾。

核心框架

形式化定义

记忆系统写为四元组 M_sys = (E, G, S, I)： - E (Extraction)：从轨迹中抽出候选记忆 - G (Governance)：更新、合并、遗忘、冲突处理 - S (Storage)：明文/向量/图/树/参数/混合 - I (Injection)：把检索结果组织成模型可用上下文

优化的完整链路：History → E → G → S → Retrieve → I → Context → Action

六个关口的主次矛盾

关口 主矛盾 代表问题
来源 未来效用 vs 输入洪水 什么该进记忆，什么只留日志
抽取 保真 vs 可操作 原文/摘要/事实/事件/规则怎样取舍
管理 更新 vs 证据保留 新事实覆盖旧还是版本并存
形态 可解释 vs 可扩展 文本/向量/图/树/参数各担哪段
检索 相似 vs 有用 语义近不等于对任务有用
注入 足量 vs 干扰 给少了缺证据，给多了乱推理

三类功能的记忆

类型 回答的问题 主矛盾 代表系统
事实记忆 世界和用户现在是什么样 稳定 vs 更新 MemoryBank, Mem0
经验记忆 过去怎么做成/做坏 泛化 vs 误导 ExpeL, ReasoningBank
工作记忆 眼下走到哪一步 短暂 vs 连贯 MemGPT, MemOS

三类记忆不能混放——事实要审计，经验要抽象，工作要快进快出。

方法地图

方法族 抓住的关口 代表方法
事实与偏好 来源、抽取、更新 MemoryBank, MemoChat, Mem0
管理与调度 管理、注入 MemGPT, MemoryOS, MemOS
关系与演化 形态、检索、更新 Zep, Graph Memory, A-MEM
经验与反思 抽取、泛化 ExpeL, ReasoningBank
压缩与注入 检索、注入 ACON, MemAgent, Memory-R1

设计原则

设计记忆系统先问四个问题： 1. 任务失败主要败在哪里？ — 忘了偏好/丢了工具结果/找错证据/上下文太吵/注入格式不对 2. 哪类历史有未来效用？ — 能改变未来动作的才有资格入账 3. 记忆的证据链要不要保留？ — 医疗/法律/金融不能只留摘要 4. 模型怎样感知 prompt？ — 同一条记忆不同格式/位置效果不同

关键不在"选最先进方法"，而在"找准瓶颈"。

与其他实体的关系