41 lines
1.7 KiB
Markdown
41 lines
1.7 KiB
Markdown
---
|
||
title: "Memory in AI Agents"
|
||
type: concept
|
||
tags: [ai, agent, context, llm, memory]
|
||
sources: []
|
||
last_updated: 2025-05-09
|
||
---
|
||
|
||
## Aliases
|
||
- AI Agent Memory
|
||
- 对话记忆
|
||
- 上下文保留
|
||
- Context Retention
|
||
|
||
## Definition
|
||
在 AI Agent 中嵌入的上下文保留机制，通过在多轮对话中存储和检索历史信息，使 Agent 能够理解会话的完整语境，从而生成连贯、相关且符合上下文的响应。没有 Memory 的 Agent 每次交互都是孤立的，无法利用前序对话中的关键信息。
|
||
|
||
## Why It Matters
|
||
- **连贯性**：用户无需在每轮对话中重复已提供的背景信息
|
||
- **个性化**：Agent 记住用户的偏好、之前的任务状态和关键事实
|
||
- **效率**：避免用户反复解释相同的需求或约束
|
||
- **真实性**：使对话更接近人与人之间的自然交流
|
||
|
||
## Implementation Patterns
|
||
- **短期记忆（Short-term）**：单次会话内的上下文窗口管理
|
||
- **长期记忆（Long-term）**：跨会话持久化用户偏好、项目状态等
|
||
- **向量检索**：将历史交互转为 embedding，通过相似度搜索召回相关信息
|
||
- **摘要压缩**：定期将长对话摘要化，减少 token 消耗
|
||
|
||
## Related Concepts
|
||
- [[Agentic System]]：Memory 是 Agentic System 的核心组件之一
|
||
- [[Tool Integration]]：Memory 与工具调用结合使 Agent 能够访问持久化状态
|
||
|
||
## Related Entities
|
||
- [[OpenClaw]]：强调持久记忆的多 Agent 系统
|
||
- [[n8n]]：通过 Memory 节点支持对话上下文保留
|
||
|
||
## Sources
|
||
- [[n8n-full-tutorial-building-ai-agents-in-2025-for-beginners]]
|
||
- [[养龙虾5天血泪史-我的ai-agent为什么总失忆-openclaw-记忆调试全记录]]
|