2026 AI x Web3 School共学营笔记-Day7

会议笔记AI Agent 长期记忆Long-term Memory分享会时间2025 年 5 月 25 日主题long term memory for AI agents—— 让 AI Agent 拥有持续上下文与长期记忆分享人李老师一、开场核心认知本次分享聚焦 AI Agent 记忆Agent Memory核心是跨越时间的意图与状态管理系统是 Agent 基础设施的核心堪称 “皇冠上的明珠”。ToC 端 AI 产品中无记忆 45% 用户流失记忆不是附加功能而是产品留存的关键。人类意图天然模糊、不完整且交互中会不断涌现新想法无记忆的 Agent 无法支撑长期任务也难以保持身份、目的一致性。二、主流产品记忆设计对比我的视角不同场景记忆逻辑天差地别1. ChatGPT通用对话类 Agent核心需求记住用户偏好、事实、会话上下文用户反感重复设置、重建上下文。记忆分层Saved Memory长期存储用户稳定偏好、事实Chat History管理会话历史支持分支对话、会话恢复合规要求适配 GDPR 等数据隐私法规用户可自主管理记忆。迭代时间线2024.2 测试版→2024.9 正式上线付费 / 企业→2025 年开放用户自主管理。2. Claude Code代码类 Agent核心需求保障软件工程项目连续性、一致性避免代码漂移减少重复读代码库。记忆设计聚焦项目规则、技术决策、执行约定依赖.claudecode.md配置文件≤200 行。迭代特点2025.4 才正式上线记忆功能因软件工程场景严谨迭代更审慎后续新增 “梦境dreaming” 记忆整合功能。3. 小龙虾开源多端 Agent痛点记忆扁平化、无删改查管理、执行链路长易丢失关键信息是用户吐槽核心。优势支持移动端操控电脑适配多端办公灵活性强。三、Agent Memory 技术栈我的视角记忆是多学科交叉的复杂系统三大核心面向RAG 检索增强、上下文工程、强化学习不是单一数据库能解决。核心概念辨析易混淆Memory最高层级是 “记忆操作系统”RAG数据处理管线负责检索 生成向量模型 / 嵌入Embedding把文字转数学表征存入向量库提示词工程与裸模单轮交互上下文工程利用大模型上下文窗口承载更多信息记忆分类语义记忆存储事实如 “2025.5.25 分享 Agent 记忆”情景记忆记录交互时间、场景程序记忆Agent 自身技能、工作流。关键工程问题记忆全生命周期管理捕获、检索、更新、压缩、丢弃召回率是核心指标用户感知 “被记住” 的关键。四、我的核心感悟认知颠覆原来 Agent 记忆不是简单 “存数据”而是独立的基础设施直接决定产品生死用户留存和长期任务能力。场景决定设计对话类 Agent 重 “用户偏好记忆”代码类 Agent 重 “项目规则记忆”开源 Agent 需平衡灵活性与记忆稳定性无通用记忆方案。技术复杂性远超预期记忆是数据库、大模型、强化学习的交叉领域传统数据库思维会受限且涉及记忆分类、压缩、召回等工程难题。用户痛点即方向用户反感重复、需要稳定上下文未来做 Agent 相关项目优先攻克记忆模块短期记忆可用压缩 / 摘要优化长期记忆需做分层管理。行业趋势明确头部 AI 公司OpenAI、Anthropic都在加码记忆能力记忆工程会是未来 Agent 开发的核心赛道。