Memory:让 agent 记住你

📍 Agent 通用知识 4/X · 上一篇:← MCP 协议详解

一个让人沮丧的现象

你跟 Claude 聊了3 个小时,告诉它:

• 你的项目叫啥
• 你用什么技术栈
• 你的代码风格偏好
• 你团队的命名约定
• 你常踩的坑

第二天新开一个窗口问它:「上次咱们说的那个项目,继续写第 5 个功能」

它回:「抱歉,我没有上下文,能告诉我项目是什么吗?」

怎么回事?

LLM 本身没有记忆。每个 API 调用都是一次性的 —— 你发什么进去,它就基于什么回答,调用完信息全丢。

这就是为啥 agent 需要 Memory 系统:

• 跨会话记住用户的信息
• 跨会话记住项目的上下文
• 避免重复解释

---

一句话先答

Memory = 给 agent 加一个「跨会话信息箱」。

让它「听过的事」能在下次还记得,不用每次从头解释。

---

三类记忆:短期 / 工作 / 长期

类型	范围	实现	比喻
短期记忆(Short-term)	单次会话内	上下文窗口	跟人当面聊,记得当前对话
工作记忆(Working)	单次任务内	scratchpad / 中间结果	解数学题时草稿纸上的算式
长期记忆(Long-term)	跨会话跨天	持久化存储(文件 / 数据库)	笔记本里记下的关键事

短期 = 上下文窗口

LLM 每次调用都把整个会话历史塞进 prompt。比如 Claude 4.7 的 1M token 上下文,够装一本小说。

优点:LLM 直接看,不用额外检索。 缺点:会话结束就没了。窗口越大 = 越费 token。

详细看 上下文窗口怎么算:会忘事吗 那一篇。

工作记忆 = 当前任务的草稿

agent 跑 ReAct 循环 时,每一步的「思考 → 行动 → 观察」结果临时存着。完成任务后通常丢掉。

例子:Claude Code 写一个 feature,中间它读了 10 个文件 —— 这些读到的内容是工作记忆,任务结束就清掉。

长期记忆 = 跨会话保留的关键事

今天要讲的重点。这是真正让 agent「记住你」的部分。

例如:

• 「用户偏好深色主题 + 简洁回复」
• 「项目 niuxue.org 用 Astro Starlight」
• 「洁柔是产品经理,不写代码,用产品语言沟通」

这些信息写一次,以后所有会话都能用。

---

长期记忆的 3 种主流实现

1. 文件式(File-based)

最简单。把记忆写到 Markdown / JSON 文件里。每次会话开始,全文加载进上下文。

代表:Claude Code 的 CLAUDE.md / MEMORY.md(咱家小牛 niu 就用这套)。

优点:

• 简单透明,人能直接读和改
• 不需要数据库,git 可以管理
• 适合规模小(几十到几百条)

缺点:

• 全量加载费 token —— 记忆变多后撑爆上下文
• 没有相似度检索

适合:个人助手 / 项目级记忆(几十到几百条)。

2. 向量数据库(Vector DB)

把每条记忆变成向量(用 embedding 模型),存到向量数据库。要用时,按当前 query 检索最相关的几条。

代表:Chroma / Pinecone / Weaviate / Qdrant / mem0。

优点:

• 容量大(百万条无压力)
• 按需检索,只加载相关的几条(省 token)

缺点:

• 需要 embedding 模型(额外 API 调用)
• 检索可能不准(向量相似 ≠ 语义匹配)
• 设置复杂

适合:用户量大的产品 / 大量历史对话。

3. 图数据库(Graph DB)

把记忆建模成「实体 + 关系」。比如:

• 实体:洁柔 / niuxue.org / Mold / V Bridge
• 关系:洁柔 拥有 niuxue.org;niuxue.org 在 Astro 上;Mold 是 V Bridge 旗下产品

代表:Mem0 / Zep / Cognee(2026 年开始普及)。

优点:

• 理解实体关系(比向量更精确)
• 适合多用户 / 多实体场景(每个用户一个子图)

缺点:

• 复杂度高
• 需要 LLM 帮忙抽实体和关系

适合:长期个性化产品(几年时间累计的用户记忆)。

---

2026 年大趋势:向量 + 图混合

到 2026 年,纯向量已经不够用。主流 memory 框架(Mem0 / Zep / Cognee)都走「向量 + 图」混合:

• 简单事实 → 向量(快速检索)
• 实体关系 → 图(精确查询)
• 时序数据 → 图 + 时间戳(知道事件顺序)

业界共识:memory 系统不再是「数据库」,而是「认知架构」。

---

案例拆解:Claude Code 的 MEMORY 系统(咱家小牛 niu)

最直观的例子 —— 咱家小牛 niu 自己的 memory。完全文件式,目录结构长这样:

~/.claude/projects/<your-project-path>/memory/
├── MEMORY.md                    ← 索引(必须存在)
├── user_profile.md              ← 用户基本信息
├── feedback_*.md                ← 反馈类记忆(怎么干活)
├── project_*.md                 ← 项目类记忆(在做啥)
└── reference_*.md               ← 引用类记忆(哪里找东西)

MEMORY.md(索引)

像一个目录:

# Memory Index

- [User Profile](user_profile.md) — 洁柔的基本信息和偏好
- [Feedback: Tavily 搜索](feedback_tavily_search.md) — 联网搜索走 Tavily
- [Project: 牛学站](project_niuxue.md) — niuxue.org 教程站现状
...

每行 ≤ 150 字符,只放标题和一句钩子。

单条记忆文件

每条记忆有 frontmatter + 内容:

---
name: feedback-write-style-warmth
description: 案例篇配方 = 故事钩子 + 真实细节 + 自我视角 + 灵魂问收尾
metadata:
  type: feedback
---

写案例篇时,不要平铺直叙堆功能,要按这个配方:

1. **故事钩子**:开头用一个具体场景吸引人
2. **真实细节**:具体数字 / 时间 / 地点,不要泛泛而谈
3. **自我视角**:站在「咱家」角度讲,不假装中立第三方
4. **灵魂问收尾**:结尾留一个开放性的问题

**Why**:洁柔反复提到「这种结构读者爱看」
**How to apply**:写所有 case-* 系列文章都走这个配方

4 种 type

Type	内容	何时写
user	用户身份、角色、偏好	学到关于洁柔本人的信息
feedback	怎么干活 / 不能怎么干	被纠正 或 一个判断被肯定
project	在做啥、为啥、deadline	项目状态变化
reference	哪里找东西	学到外部资源位置

加载机制

新会话开始,全部 memory 文件作为系统提示词加载。这就是为啥 niu 一打开就「记得你是洁柔」。

---

主流 Memory 框架对比

框架	类型	特点	谁在用
Claude Code MEMORY	文件式	简单,git 可管,人可读	Claude Code 全系
CLAUDE.md	文件式	项目级 + 全局 + 子目录三层	Claude Code 项目
ChatGPT Memory	文件式(系统 prompt 注入)	OpenAI 自家,自动总结	ChatGPT
mem0(mem0.ai)	向量 + 图	当前最热,2026 年活跃更新	大量 AI 产品
Letta(原 MemGPT)	OS 风格分层	agent 自己管 working / long	学术 / 实验
LangMem	向量优先	LangChain 配套	LangChain 用户
Zep	向量 + 图	企业级,合规友好	B2B AI 产品
SuperMemory	向量	个人助手定位	消费级

新项目推荐:

• 个人 / 项目级 → CLAUDE.md / MEMORY.md(轻)
• 产品级有用户量 → mem0(全)
• B2B 合规重要 → Zep

---

关键策略:写入 / 召回 / 遗忘

写入策略(Write)

何时写入?

策略	触发条件
显式(用户说「记一下」)	安全,但用户得主动
自动综合(LLM 觉得重要)	智能,但可能记错
规则触发(用户做了某件事)	例如「访问 5 次后记 ta 是常客」

咱家 niu 是自动综合 —— 系统提示词里有规则,LLM 判断这个信息值不值得记。

召回策略(Recall)

怎么选哪些记忆塞进上下文?

策略	适用
全量加载	记忆少(几十条),文件式
向量相似度	大量记忆,按 query 检索 top-k
时序最新	「最近 N 条」
实体匹配	图数据库,按当前讨论的实体拉

遗忘策略(Forget)

人脑会忘事,agent 也得:

• TTL(time-to-live):过 N 天自动清
• 容量限制:超过 N 条删最旧的
• 用户主动删:「忘掉我之前说的 X」
• 冲突合并:新信息覆盖旧信息

很多产品漏掉遗忘策略,结果用户 3 个月后发现「它还记得我已经离职的那个公司」—— 尴尬。

---

⚠️ 隐私警告:secrets 永远不能进 memory

绝对不要写进 memory 的东西:

• 密码 / API Token / SSH 密钥
• 信用卡号 / 身份证号 / 手机号(除非业务必要)
• 用户聊天里出现的 PII(姓名 / 邮箱 / 地址)
• 公司机密(代码片段 / 合同条款 / 客户名单)

为什么:

• Memory 文件可能被同步到云端、备份、git push
• 多个 agent 共享 memory 时会扩散
• 用户离开后,memory 是「遗留风险」

实操:

1. 写入前过滤:用正则 + 关键词 blacklist
2. 存储加密:敏感字段单独加密
3. 审计日志:记录 memory 何时被读 / 写
4. 用户可见 + 可删:让用户能查看自己被记了啥 + 一键清

💡 咱家 niu 的 memory 规则里明确:「不记录密码/Token/API Key 明文到记忆文件」。这是 Feedback: secret 永远不进可见输出 那条规则的 memory 衍生。

---

一句话总结

Memory = agent 跨会话的脑子。

• 没 memory:金鱼脑,每次重启从零
• 文件式:简单透明,适合个人 / 项目
• 向量 + 图:规模化生产,适合用户量大的产品
• 永远记得:secrets 不进 memory,忘记机制要设计

部署 agent 三件套之外的「第四件」就是 memory:

1. 决策框架(ReAct)
2. 协议(MCP)
3. 工具集(6 类 API)
4. Memory(就是这一篇)

配齐之后,你的 agent 才是「有人格、有记忆、能干活」的完整体。

---

牛学板块导航

• 上一篇:← MCP 协议详解
• 本板块:Agent 通用知识
  • 1/X AI agent 是怎么思考的:ReAct 模式
  • 2/X 给 Agent 配齐 6 类 API 工具
  • 3/X MCP 协议详解
  • 4/X Memory:让 agent 记住你(就是这一篇)
  • 5/X(规划中)多 agent 编排
• 想看 Claude Code 的 CLAUDE.md 怎么用?→ CLAUDE.md:让它一开口就懂你的项目
• 下一板块:Trae 完整教程 →