记忆分层：让Agent像人一样思考
是的，我把第七章 **《构建你的智能体框架》**跳过去了。
理由也不复杂：
- 对我这种外行读者来说，先把理论弄明白更重要。
- 理论掌握了，至少能跟同事朋友“聊得像那么回事”；比起苦哈哈手搓 Agent，最后还被各位高手围观点评，要友好得多。
- 上面那条是玩笑。但认真讲：第七章对非工程向读者的边际收益不算高。我更愿意把时间花在研究那些已经存在的轮子——各类现成框架。它们也许不够“企业级完美”，但对个人项目来说，确实能省掉大量工程琐事。
- 当然，爱动手的同学还是值得读第七章：它能很直观地拆掉“框架的神秘面纱”，让你理解这些框架到底封装了什么、为什么这么封装。
第八章《记忆与检索》：我最喜欢的一章之一
第八章 **《记忆与检索》**是我很喜欢的话题，也是我在读 Hello-Agent 之前就相对熟悉的内容。
原因是：在看这本书之前，我折腾了一个多月微软的 TinyTroupe，想做一个“LLM 小人自己对话”的小玩法。折腾的过程中，我逐渐摸清了一个问题：
Agent 的记忆，到底应该怎么“像人一样”被组织起来？
先把向量数据库、图数据库、关系数据库、embedding、reranking 这些名词放一边。它们当然重要，但更多是“工具层”——负责帮你把记忆写进去、取出来、必要时整理一下。学是要学的，但这部分不是最核心的洞察。
真正让我觉得这章有价值的，是书里那张图（你马上要贴出来的那张）讲清楚了一件事：
记忆不是简单的“存聊天记录”，而是分层、分类型的拟人化组织。
这张图讲的其实是：记忆如何拟人化分层
1）短期记忆：对话的“工作台”
短期记忆最好理解。
比如你今天和一个人聊天，10 分钟前他说“刚从海外出差回来”，你还记得。10 分钟后他打了个哈欠，你就会顺口问一句：是不是时差还没倒过来？
你看，这就是短期记忆：保证对话的上下文连续性。
2）长期记忆：跨时间的人物设定
长期记忆也不难。
两个月前他吐槽过：海外出差很辛苦，当地环境很差。今天你们喝咖啡聊天，聊到你也要去那里出差——你不一定记得原话，但你大概率记得两点：他去过、他说过环境差。于是你会问：那边条件不好，我该怎么准备？
长期记忆的作用就是：让对话跨越时间，保持“这个人/这段关系”是连续的。
3）抽象知识：脱离具体经历的规则与常识
最有意思的是“抽象知识”。
它其实很像人脑里的“规则库”：你记得 1+1=2，但你不会去回忆自己到底在哪个下午、通过哪两个苹果学会了这个结论。
抽象知识关注的是：可复用的规律、稳定的偏好、可迁移的结论。它不依赖某一次对话原文存在。
4）多模态：我先略过
多模态我这里就不展开了，因为我个人对多模态兴趣一般，更关注纯文本场景。
有了“分层”，才轮到“存取”：工具是怎么派上用场的
当你接受了上面这套“拟人化分层”的记忆观，后面的工程实现就顺理成章了：
- 短期记忆：直接放内存，按轮次维护，比如最近 5 轮对话。
- 超出部分进入长期记忆：但长期记忆最好别原样存聊天记录，而是压缩、总结后再存（否则就是垃圾场）。
- 如果对话里沉淀出了抽象知识（规则、偏好、稳定事实），就应该抽取出来单独存，并且表达必须足够精简。
- 甚至我觉得：短期记忆也应该做一点语义级精简，否则上下文会膨胀得非常快。
至于“读取记忆”，一句话总结就是：
按需检索短期/长期/抽象知识，把它们拼进上下文，再丢给 LLM。
所以你会发现：这也是为什么 Hello-Agent 的第九章会紧接着讲 《上下文工程》。
我打算下一篇读书笔记就聊这个。
加载中...