AI Agent 记忆系统：短期上下文、长期事实与用户偏好的分层设计

Agent 的“记住一切”通常会变成“上下文越来越长”。生产记忆系统要区分当前任务需要的临时上下文、可复用的长期事实和用户明确授权的偏好，三者拥有不同的生命周期和权限。

三层记忆模型

短期记忆保存当前会话中的工具结果、待办和决策，任务结束后过期；长期事实保存经过验证的稳定信息，例如项目技术栈和业务规则；偏好记忆只记录用户明确表达且允许保存的习惯。每条记录都带 owner、来源、置信度、created_at 和 expires_at。

写入比读取更谨慎

模型不能直接把推测写入长期记忆。编排器先判断内容类型，要求来源或用户确认，做 PII 检测和冲突检查，再异步写入。新事实与旧事实冲突时保留版本，不覆盖原值，检索时按有效期和置信度排序。

检索要受任务约束

先根据当前任务生成记忆查询，再按用户、租户、项目权限过滤，最后做关键词和向量混合召回。召回结果附带来源和更新时间，模型回答时引用事实而不是凭空复述。无结果时明确返回未知，不用相似度最高的一条硬填。

删除与纠错

用户可以查看、编辑和删除自己的记忆。删除操作同步清理向量、缓存和评测样本，并保留最小审计记录。定期扫描过期事实、低置信度事实和长期未使用事实，控制存储成本与污染概率。

参考资料：Model Context Protocol 规范。