记忆让 Agent 跨轮次保持任务连贯，也是长对话失控的主要变量。

记忆分类

短期记忆通常是对话历史与当前任务状态，受上下文窗口限制。长期记忆存用户偏好、历史结论、实体关系，常用向量库或 KV/图数据库。 episodic 记「发生了什么」，semantic 记「知道什么」。

生命周期

写入：工具结果、用户确认、摘要压缩后入库。读取：按 query 检索相关记忆注入上下文。更新：冲突合并、过期淘汰、重要性打分。遗忘：主动删除敏感或过时条目。

与 RAG 的边界

RAG 面向企业知识库、强调溯源与权限；Memory 面向会话/用户态、强调个性化与任务连续。二者可共存：RAG 供事实，Memory 供交互历史。勿把整库当 Memory 无差别注入。

实践与误区

长任务定期做 rolling summary；记忆写入前脱敏。误区：无限追加历史导致偏题；不做去重重复注入矛盾信息；长期记忆无 TTL 引发隐私风险。

延伸思考

工程上可为 Memory 设计写入门槛：仅持久化用户显式确认、工具返回的结构化结论、或经摘要压缩后的高价值事实。读取侧做相关性阈值，低于阈值不注入，避免「记忆污染」带偏当前任务。对合规场景，Memory 需支持按用户删除与导出。与 RAG 联用时，企业事实走 RAG 并带 citation，会话偏好走 Memory 且带来源时间戳，模型才能区分「制度规定」与「上次聊天约定」。

实践小结

练习：为会话 Memory 设计写入 API（含 TTL 与 user_id），并写测试验证「用户删除账号后 Memory 同步清除」。对比「全历史塞上下文」与「摘要+检索 Memory」在同一多轮任务上的成功率与 token 曲线。

工程检查清单

检查清单：Memory 写入是否有用户确认或自动摘要门槛；是否支持 GDPR 删除；读取是否做相关性与 TTL 过滤；是否与 RAG citation 分工清晰；长会话是否 rolling summary；Memory 条目是否去重。未治理的 Memory 比无 Memory 更危险，容易累积矛盾事实。

读者 takeaway

读者 takeaway：记忆系统解决连续性，也引入一致性风险。写入克制、读取筛选、与 RAG 分工明确，Memory 才会放大体验而不是放大错误。