Agent Memory
一句话定义
Agent Memory 是 AI 智能体的记忆管理系统——负责在多轮对话和长期运行中持久化、组织、检索和压缩上下文信息，让 Agent 拥有跨越会话的连续性和学习能力。
摘要
Agent Memory 是 2026 年 AI 工程领域最活跃的研究方向之一。核心矛盾是：大模型的 context window 有限 vs Agent 需要无限的长期记忆。不同团队从不同角度切入：腾讯云 Agent Memory 用 4 层渐进式管道 + Mermaid 图编码实现 61% 的 Token 节省；Memoir 把记忆当版本控制问题，用 ProllyTree + 层级路径替代向量检索；Spring AI 用 Session API + AutoMemoryTools 构建双层记忆架构；OpenClaw 用动态 JSONL + 静态 Markdown + SQLite 双索引实现”文件即真相”的记忆哲学。
详情
核心机制 / 工作原理
4 层渐进式记忆管道（腾讯云方案）：
| 层级 | 名称 | 内容 | 生命周期 |
|---|---|---|---|
| L0 | 对话捕获 | 原始对话历史 | 短期 |
| L1 | 原子事实 | 从对话中提取的离散事实 | 中期 |
| L2 | 场景归纳 | 跨对话的模式识别与总结 | 长期 |
| L3 | 用户画像 | 用户偏好、习惯、需求模型 | 持久 |
配合符号化上下文卸载：完整原文卸载到外部文件，工具调用压成 JSONL，任务状态写入 Mermaid 无限画布。效果：WideSearch 最高节省 61.38% Token、通过率相对提升 51.52%。
Memoir：记忆即版本控制：
用 ProllyTree + 层级化语义路径替代 UUID 与向量近似检索，做到 O(log n) 前缀查找。Git 的 branch / commit / merge / rollback / blame 全部搬进记忆层。单次记忆更新 Token 成本降 90%。
Spring AI 双层架构：
- 短期记忆：Session API + 四种压缩策略（SlidingWindow / TurnWindow / TokenCount / RecursiveSummarization）
- 长期记忆：AutoMemoryTools（仿 Claude Code 的 6 个沙箱化文件工具 + MEMORY.md 索引）
应用 / 使用场景
- 个人助手：跨会话记住用户偏好、习惯、项目上下文
- 代码 Agent：记住代码库结构、之前的修改决策、调试经验
- 客服系统：记住用户的历史问题和解决方案
评测全景
Agent Memory 评测沿三条主线推进：
Memory Benchmark（评什么）：
- LOCOMO — 长程对话记忆基准（UNC, ACL 2024, 被引 274），50 个对话 × 300 轮
- MUSE — 多模态推荐数据集（Northeastern, ACL 2025），7k case / 8.3w 对话
Memory Evaluation（怎么评）：
- MemoryAgentBench — 四项核心能力：准确检索(AR)、测试时学习(TTL)、长程理解(LRU)、冲突解决(CR)
- LONGMEMEVAL — 500 问题 × 500 会话，商业助手准确率下降 30%-60%
- MemBench（华为）— 区分事实记忆 vs 反思记忆、参与场景 vs 观察场景
Memory System（怎么落地）：
- Mem0 / Mem0g — 动态提取 + 图形记忆表示，ECAI 2026，被引 222
- M3-Agent（字节 Seed）— 多模态长期记忆，RL 训练，ICLR 2026
- THEANINE — 基于时间线的记忆图 + 反事实评测
- RMM（Google）— 前瞻性反思 + 回顾性反思（在线 RL）
核心结论：现有评测有 4 个共性问题：① 增益难归因 ② 口径不统一 ③ 动态更新/遗忘覆盖不足 ④ 成本维度缺位。未来应同时覆盖：检索正确性、使用有效性、时间维度、成本维度。
局限与争议
- 检索精度：记忆越多，精准检索越困难
- 遗忘策略：什么该忘、什么该留？
- 隐私风险：长期记忆可能包含敏感信息
- 上下文污染：过时或错误的记忆会误导模型
- 冲突解决：所有方法在多跳冲突解决中准确率最高仅 6%
- 评测口径不统一：不同基准关注不同维度，难以横向比较
与其他实体的关系
- OpenClaw-双源记忆系统 —— OpenClaw 的记忆系统是”文件即真相”哲学的典型实现
- OpenClaw —— OpenClaw 将记忆系统作为核心模块之一
- RAG —— RAG 可以看作 Agent Memory 的检索层
参考来源
- 腾讯云Agent-Memory节省61-Percent-Token提升52-Percent成功率 —— 腾讯云短期记忆压缩实践
- 深度解析腾讯云Agent-Memory-4层渐进式记忆管道 —— 4层管道深度解析
- AI记忆的Git版本控制-Memoir-分层路径替代向量数据库 —— Memoir 版本控制记忆
- Spring-AI-Session-API-大多数人用ChatMemory用错了场景 —— Spring AI 双层架构
- 从架构到代码-深入理解OpenClaw的双源记忆系统 —— OpenClaw 记忆系统
- Agent-Memory评测全景-基准评估与记忆系统 —— 评测全景梳理，涵盖 Benchmark/Evaluation/System 三条主线
- 让-Claude-Code-拥有自我进化和记忆系统 —— 得物技术，Hook + Instinct + 向量检索的三层记忆架构