Agent Memory
Agent 体系中负责「这次任务与上次任务是否还有关系」的能力层——把无状态大模型变成可跨会话认人、跨任务续作的伙伴；产品上要同时做对记忆完整度与记忆运用意愿。
简介
大模型在单次调用意义上是无状态函数：问完答完，默认不留下任何东西。对话框内的上下文窗口只覆盖「当场聊天的记性」；关掉对话或超出窗口后，若没有额外机制，模型对用户仍一无所知。Agent Memory 正是为解决「能被留下来的东西如何真的留得住」而出现的产品与工程能力层。
它与推理、工具调用、外部感知并列，但职责不同：后三者决定「这一次任务能不能干成」；Memory 决定「这一次和上一次之间还有没有关系」。没有 Memory 的 Agent 每次都是从零开始的新人；有了 Memory，才可能成为越用越懂用户的老搭档。因此它不是锦上添花的附加模块，而是 Agent 从工具进化为伙伴的分水岭，也是当前 AI 产品竞争中真正意义上的护城河之一——当模型智商卷成一条近似曲线时，用户粘性更取决于产品是否攒下并妥善使用用户的 context。
实践上 Memory 至少要分三层：当场上下文、中期记忆（今天/昨天/未完成事项）、长期记忆（跨会话提炼后的稳定事实与偏好）。大量产品事故出在：只做了长期清单却没有中期层、只堆完整度却不懂运用分寸、或只隐式收集却无法被用户看见与纠正。
关键信息
- 类型：概念 / 产品能力 / 系统组件
- 领域：AI Agent · AI 产品设计 · 上下文工程 · 用户留存
- 核心目标：跨会话、跨任务保留可复用的用户与项目上下文，并在正确时机以正确强度使用
- 两个正交维度：
- 记忆完整度：AI 知道多少关于用户的事
- 记忆运用意愿：是否/何时把已知信息主动用出来
- 相关概念：Claude Memory、共享记忆、Mem0、RAG 知识库、Claude Code、CLAUDE.md 项目指令、上下文工程、AI Agent 智能体、七层体验断裂模型
核心特性
定义：与相似概念的区分
| 概念 | 回答的问题 | 典型边界 |
|---|---|---|
| 上下文窗口 | 这一轮对话眼前摆了什么 | 关对话/超窗口即失 |
| RAG 知识库 | 外部文档/知识如何被检索增强生成 | 偏知识资产，不一定是「用户是谁」 |
| 共享记忆 | 多工具/多 Agent 如何读同一套用户与业务背景 | 跨产品公共知识层 |
| Agent Memory | 单产品/单 Agent 如何记用户、项目与过程，并决定何时用 | 产品内收集-存储-召回-应用闭环 |
三层记忆结构
- 当场记忆（上下文窗口）：本轮对话内容始终在眼前；关窗即无；装不下数月细聊。
- 中期记忆：今天、昨天、手头未完成事项；太新太具体不必永久沉淀，但新开对话仍需能续「昨天说到哪了」。ChatGPT 类「Saved Memories + 全历史翻找」两端都有、中间常缺的就是这一层。
- 长期记忆：提炼后的稳定事实、偏好、项目约定；Character.AI 更新后「失忆」崩掉的通常是这一层没真正落地或被清空。
产品四问（工业级 Memory 的决策框架）
- 什么值得收集（边界）：稳定 + 用得上 + 不敏感三关全过才进长期记忆；不是「能收集就全收集」。
- 怎么收集（显式 vs 隐式）：高确定性、反复出现的模式可隐式；敏感/易猜错的宜显式；成熟产品多为双轨（如 Claude 显式工具写入 + 周期性后台摘要）。
- 怎么存储（文件 / 向量 / 图谱）：
- 文件：人可读可改（Claude / Claude Code / Cline Memory Bank），信任与纠错成本低；
- 向量库：语义检索与事实流水线（Mem0）；
- 知识图谱：时间冲突与关系更新（Zep/Graphiti）。
- 另需过期策略（如 GitHub Copilot 28 天未验证失效）。
- 怎么应用（召回 vs 应用）：先捞候选（静态注入或检索），再决定是否/如何使用（无门槛硬用 / 仅作背景 / 相关性过滤后进回答）。记不记得是能力，该不该主动说是分寸。
典型应用与反面案例
- 做得相对完整：Claude 角色/沟通/技术偏好边界 + 显隐双轨 + 可读摘要；Claude Code 的
CLAUDE.md（人写全量加载）+MEMORY.md（索引 + 按需细节）；Cline 文件夹内「当前进度」补中期层。 - 踩坑：Windsurf 无边界自动记忆 → 单项目十余条、多项目过百条隐藏记忆 → 过时规则致幻觉 → 官方建议关自动、重要内容进版本控制规则；Cursor Memories 约一年半后下线，导出改 Rules；陪伴类升级失忆被体验为关系结束。
- 评测警示：Mem0 与 Zep 在 LoCoMo 上互相拆台，第三方未充分校验的准确率数字需谨慎采信。
常见误区
- 把 Memory 当成「记得越多越好」的能力竞赛。
- 把召回命中率等同于「该不该主动提起」。
- 用记忆条款替代权限、审批与沙箱来约束危险行动。
- 只有长期清单或只有全历史检索，没有中期层。
- 隐式推断敏感信息却不给用户查看/删除入口。
不同素材中的观点
- 2026-07-19-woshipm-agent-memory-design：思敏从 Claude 粘性 vs Character.AI 失忆切入，明确完整度与运用意愿正交；给出三层记忆、行业抢 context、产品四问、Claude 主线对照与 Windsurf/Cursor/Mem0/Zep/陪伴类案例；结论是四问皆信任题，Memory 一开启就许下「我会记得你」的承诺，兑现失败伤害的是对整款产品的信任。另强调记忆可塑行动倾向，行动边界必须系统硬约束。
实用信息 / 相关资源
产品经理落地检查单
- 列出「允许进入长期记忆」的类别白名单，并写进摘要/抽取指令（类别外一律不摘）。
- 同时提供：用户显式「记住这个」入口 + 可审计的自动提炼路径。
- 保证用户能打开、阅读、删除/改正记忆条目（文件路线天然友好）。
- 为中期事项单独留位置（进度文件/会话摘要），避免只靠全库搜索「昨天聊到哪」。
- 应用策略按场景分：工具型默认背景参考；陪伴型默认相关性过滤；敏感信息默认不进自动提起。
- 危险操作靠权限与沙箱，不靠「生产环境要谨慎」这条记忆。
轻量起步（Cline Memory Bank 思路）
在项目中维护若干 Markdown：项目背景、架构规律、当前进度；任务开始先读、过程中写回；用 git 追踪，无向量/图谱黑箱——资源有限时投入产出比最高的起点。