Agent 的短期记忆与长期记忆应该如何设计？

面试时怎么答

短期记忆与长期记忆要按用途和生命周期解释。短期记忆服务当前任务，可随任务结束清理；长期记忆只保存跨会话仍有价值、用户允许写入的事实。重点讲写入门槛、来源、时间、置信度与删除机制。若被问向量库是不是记忆，回答它只是检索载体，记忆还包括治理与更新策略。

可以这样答：

短期记忆保存当前任务的中间状态、约束和最近观察，生命周期通常与任务一致；长期记忆保存跨会话仍有用且获得授权的稳定事实。长期记忆写入时要记录来源、时间和置信度，读取时按相关性与时效过滤，并支持更正、过期和删除。向量库只是检索实现，不能替代这些写入和治理规则。

核心回答

短期记忆服务于当前线程，保存最近消息、任务状态、工具结果和待办事项；长期记忆跨会话保存稳定信息，可再分为事实偏好、历史事件和可复用规则。设计重点不是“存下所有对话”，而是明确什么时候写、写什么、如何检索、何时过期，以及用户如何查看和删除。

展开说明

常见结构包括：

• 短期状态：跟随 thread_id 持久化，超出窗口后按任务目标摘要，并保留关键结构化字段。
• 语义记忆：用户偏好、实体事实等，可按 namespace 和用户检索。
• 情景记忆：过去任务及结果，用于参考相似案例。
• 程序性记忆：规则、Prompt 或工作步骤，通常需要更严格的版本与审核。

摘要会丢信息，向量检索也可能取回错误记忆，因此关键事实应结构化保存并保留来源。外部文档中的指令不能未经验证写入高权限记忆。

工程实践

记忆必须按租户和用户隔离，敏感字段加密并设置 TTL。写入前做去重、置信度和权限检查；读取后记录命中原因。评估既要看任务成功率，也要看错误记忆率、过期信息率、泄漏率和 token 成本。

常见追问

1. 对话摘要如何避免丢失关键约束？ 把目标、禁止项、数字、待办和来源按固定 Schema 保存，并在每次更新时做新旧约束差异检查，不要只生成自由文本摘要。
2. 长期记忆与 RAG 知识库有什么区别？ 长期记忆通常是与用户或任务主体相关、会随交互更新的数据；RAG 知识库多是共享文档事实，治理范围和生命周期不同。
3. 用户要求“忘记我”时应删除哪些数据？ 要清除原始记录、抽取记忆、向量索引、缓存和可定位备份中的关联项，并让后续生成不再从派生特征恢复该信息。

一句话复习

Agent 记忆是一套有写入、检索、过期和权限策略的数据系统，不是无限增长的聊天记录。

参考资料

• 面经主题：AI 应用岗公开面经中的记忆系统追问
• 技术依据：LangChain Memory 概览、MemGPT