一文全解析：AI 智能体 8 种常见的记忆（Memory）策略与技术实现-优快云博客

本文链接：https://blog.youkuaiyun.com/bagell/article/details/149743975

记忆（Memory）是AI智能体必备的能力之一。随着对话轮数与深度的增加，如何让AI智能体“记住”过去的上下文，是实现精准理解与个性化AI系统的关键。由于LLM存在上下文长度限制，如果不对记忆进行优化，长对话很容易带来两个问题：

遗忘早期信息，导致理解偏差
过度消耗大量计算资源与成本

尽管有Mem0等优秀的开源框架，我们仍然有必要从原理上来理解不同的Memory策略，这有助于在项目中评估、选择与实现最合适的Memory方案。本文将剖析8种常见的AI记忆方案，分析其原理、特点和场景，并用模拟代码帮助理解。

全量记忆：不遗忘任何内容
滑动窗口：固定长度的截断
相关性过滤：遗忘次要信息
摘要/压缩：提炼关键信息
向量数据库：语义检索记忆
知识图谱：结构化记忆
分层记忆：短期与长期结合
类OS内存管理：模拟Swap原理

全量记忆：不遗忘任何内容

全量记忆模式是最基础、最容易实现的记忆策略。其核心理念是不遗忘任何历史上下文，每轮对话都将用户输入与智能体响应完整记录，并在后续请求中将全部历史上下文一并发送给LLM进行推理。

【基本实现】

将每轮对话按顺序累积在“对话历史”中，每次回复时都将完整历史作为上下文提供给模型。以下是简单的模拟代码：

为了帮助理解，本文针对每种模式简单的模拟实现基本的“添加记忆”与“检索记忆”的过程。实际应用需自行完善。

history = []
def add_message(user_input, ai_response):    turn = {        "user": user_input,        "assistant": ai_response    }    history.append(turn)
def get_context(query):    return concat_all(history)

【特点分析】

优点：实现简单，无需复杂算法；完整保留了所有细节，信息不丢失。

缺点： 对话稍长可能会触发上下文长度上限，模型需要处理越来越多的文本，导致响应变慢且成本升高。一旦超过模型上下文窗口，早期内容不得不被截断，重要信息可能丢失。此外，长期保留大量不相关旧信息也可能干扰模型判断。

【适合场景】

仅适用于对话轮次很少或者内容短的场景，比如简单QA或一次性问答。在这些情况下，全量记忆确保即使用户提及之前的话题，智能体也不会遗漏。但很显然在大多数实际应用中，这种策略不可持续。

滑动窗口：固定长度记忆

针对全量记忆的弊端，最简单的改进是限制记忆长度：人类对话中，我们往往只关注最近的信息，旧话题慢慢就淡忘了。滑动窗口策略正是模仿这种特性：只保留最近的若干轮对话，将更早的内容遗忘，以控制上下文长度。

【基本原理】

维护一个固定大小的队列作为对话窗口，每当有新对话加入时，如果超过窗口大小，就从队首移除最旧的一条。模拟实现代码如下：

memory = []WINDOW_SIZE = 3  # 最多保留 3 轮完整对话
def add_message(user_input, ai_response):    turn = {        "user": user_input,        "assistant": ai_response    }    memory.append(turn)
    if len(memory) > WINDOW_SIZE:        memory.pop(0)  # 移除最早一轮问答
def get_context(query):    return concat_all(memory)  # 返回最近几轮对话

这样，无论对话多长，传给模型的上下文始终是最近的N次交互记录。窗口向前滑动，新进旧出，实现对过往对话的截断。

【特点分析】

优点： 实现非常简单，开销低，不需要引入外部存储；确保模型上下文始终在设定大小内，响应速度和成本相对可控。

缺点：健忘性强，一旦窗口滑过，旧信息就永久丢失，无法支持真正的长期记忆。如果用户稍后又提及早前内容，智能体因已遗忘就无法关联。此外窗口大小也难以抉择：太小会过早遗忘历史，太大又降低了节省上下文的意义。

【适用场景】

滑动窗口适用于短对话场景或对历史依赖不强的任务。例如FAQ助手、简单闲聊机器人等，不需要长久记住早先话题。本质上你需要考虑取舍：通过遗忘来换取性能和成本，但不适合需要长程依赖的对话。

相关性过滤：遗忘次要信息

人类会选择性记忆，对无关紧要的事很快忘掉。类似地，智能体的记忆也可以有所取舍：优先保留重要信息，丢弃无用细节。相关性过滤策略就是基于信息的重要程度来管理记忆，而不是简单的抛弃旧记忆。

【基本原理】

系统为每条记忆分配一个“重要性”或“相关性”评分（Score），根据评分高低决定保留或清除。当新信息进入，导致容量超限时，自动删除评分最低的记忆。

评分可以依据多种因素：与当前对话主题的相关程度、最近被提及的频率、信息本身的重要度（例如包含用户关键偏好的句子打高分）等。

实现时，可用一个列表或优先队列按分值排序。模拟如下：

memory = []MAX_ITEMS = 25
def add_message(user_input, ai_response):    item = {        "user": user_input,        "assistant": ai_response,        "score": evaluate(user_input, ai_response),    }    memory.append(item)
    if len(memory) > MAX_ITEMS:        # 找出得分最低的项        to_remove = min(memory, key=lambda x: x["score"])        memory.remove(to_remove)
def get_context(query):    # 返回按对话顺序排列的高分记忆    return concat_all(sorted(memory, key=lambda x: x["order"]))

【特点分析】

优点： 保证关键知识不会遗忘，因为重要内容打分更高。相比盲目的窗口截断，这种策略更“智能”，能腾出空间的同时尽量不丢关键信息。

缺点： 如何准确评估“重要性”是难点，可能需要额外模型计算语义相关度或预定义规则。评分机制不完善时，可能误判重要性，删错记忆。此外，它不像滑动窗口那样可预测，会给调试和理解上带来复杂性。

【适用场景】

适合信息密集且需要筛选的场景，如知识型对话机器人或研究助理工具。在这些应用中，用户提供的大量信息需要智能体加以取舍。例如：一个智能医学助手从患者冗长描述中挑出病史要点存储。

摘要/压缩：提炼关键信息

有没有办法在不丢失重要信息的前提下缩短对话长度？摘要策略由此诞生。其动机是像人类做笔记一样，将冗长的对话内容去除无用的信息（寒暄、闲聊、重复信息等），浓缩成关键要点（事实、关键数据、兴趣爱好等）保存。这样既保留了核心信息，又能大量节省上下文窗口空间，缓解记忆无限增长的问题。

在实际实现中，可以结合滑动窗口策略：超出窗口的对话才进行摘要与压缩。

【基本原理】

在对话过程中定期将较早的对话内容生成摘要与压缩，并用这个摘要代替原始详细内容存入记忆。摘要可以由一个LLM生成。例如，每当对话超过预定长度（窗口大小）时，把最早的几轮对话拿出来总结，模拟如下：

memory = []summary = NoneMAX_LEN = 10  # 最多保留 10 轮问答
def add_message(user_input, ai_response):    turn = {        "user": user_input,        "assistant": ai_response    }    memory.append(turn)
    if len(memory) > MAX_LEN:        old_turns = memory[:-5]        summary_text = summarize(old_turns)        summary = merge(summary, summary_text)        memory.clear()        memory.append({"summary": summary})        memory.extend(memory[-5:])
def get_context(query):    return concat_all(memory)  # 返回摘要 + 最近对话轮

这里示意了一种运行摘要的机制：持续累计和更新一个摘要来代表早期的对话历史。每当记忆长度超标，就把早期内容做摘要和压缩，再与后续对话共同作为新的上下文。这样，模型上下文始终包含“近期对话 + 旧对话摘要”。

【特点分析】

优点： 大幅节省上下文长度，长期记忆能力强——理论上，通过不断摘要，早期信息的要点可一直保留。同时，摘要内容精炼，有助于模型聚焦关键信息。

缺点： 摘要质量取决于LLM，也可能遗漏细节或引入信息偏差。如果摘要不准确，后续智能体基于摘要的生成可能出错。此外生成摘要本身需要耗费额外计算，对实时对话有延迟影响。

【适用场景】

摘要记忆适用于长对话且需要保留上下文要点的场景：智能体需记住用户的关键信息（姓名、喜好、诉求等）但不必逐字记住用户每句话。比如一个AI心理陪伴助手。AI可以采用摘要策略，每次对话结束后将本次谈话要点总结存储。下次可以通过之前的摘要回顾用户曾提到的主要问题和情绪变化，从而提供连续性的回应。

向量数据库：语义检索记忆

对于海量长期记忆，一个理想方案是将知识存入一个外部数据库，在需要时再调取。这类似人类查笔记或资料库。向量数据库记忆策略利用向量化嵌入（Embedding），将对话内容在向量库存储，并在需要时通过语义检索相关记忆。其动机在于突破LLM上下文窗口限制，实现近乎无限的外部长时间记忆。

【基本原理】

将每次对话嵌入后存入向量数据库如 Chroma、Pinecone 等。当需要记忆时，把当前对话内容也向量化，并在数据库中搜索语义相近的记忆片段，将最相关的若干条取出，添加到模型的上下文。模拟如下：

# 初始化向量存储memory = VectorStore()
def add_message(user_input, ai_response):    turn = {        "user": user_input,        "assistant": ai_response    }    embedding = embed(turn)    memory.add(embedding, turn)
def get_context(query):    q_embedding = embed(query)    results = memory.search(q_embedding, top_k=3)    return concat_all(results)  # 返回语义最相关的对话轮

【特点分析】

优点：语义级别的智能检索，能根据内容语义而非关键词匹配相关记忆。存储容量大，向量数据库可无限扩展，以支持真正的长期记忆，且检索效率高。

缺点： 依赖嵌入模型质量，若向量表示不好，检索结果也可能风马牛不相及。向量存储与搜索有一定的计算代价，当记忆库很大时，每次相似度计算也会消耗算力。另外需要部署维护额外的数据库服务，增加系统复杂度。

【适用场景】

需要长期记忆的对话系统，如个性化助理等。这类系统往往需要记住用户跨会话提供的信息，也非常适合在聊天之外存储知识或用户背景（因为有向量库），让记忆检索具备类似RAG的效果。比如：一个法律咨询AI，当用户提问复杂法律问题时，AI可以同时检索出相关的记忆和法律知识，用来做增强生成。

知识图谱：结构化记忆

纯粹依赖向量相似度的记忆系统往往将知识视作离散内容，缺乏对知识之间关系的理解。知识图谱记忆策略旨在以结构化方式存储和组织记忆信息，通过显式的实体、属性和关系来增强智能体的长期结构化记忆和推理能力。

【基本原理】

智能体将对话和交互中提及的实体、属性和关系这样的事实信息提取出来，逐步构建起一个知识图谱。比如对话中有“小刘加入了阿里巴巴公司”，那么提取三元组：(小刘, 就职于, 阿里巴公司)。除此之外，还可以记录事件发生的时间等（形成时序知识图谱以处理随时间变化的知识）。

当需要记忆检索时，智能体可以查询知识图谱：比如先找到相关联的节点、沿关系链追溯信息，甚至进行路径上的逻辑推理，最后将查询或推理出的信息加入上下文。

graph = KnowledgeGraph()  # 初始化知识图谱对象def add_message(user_input, ai_response):    # 将一轮对话转化为结构化三元组 (实体1, 关系, 实体2)    full_text = f"User: {user_input}\nAI: {ai_response}"    triples = extract_triples(full_text)  # LLM提取三元组    for s, r, o in triples:        graph.add_edge(s.strip(), o.strip(), relation=r.strip())def get_context(query):    # 提取查询中可能涉及的实体    entities = extract_entities(query)    context = []    for e in entities:        context += graph.query(e)  # 查询图谱中与实体相关的信息    return context

【特点分析】

优点： 将记忆结构化后，智能体能进行更精细的检索和推理。结构化记忆使AI不再只按相似度找段落，而是可基于图谱回答复杂问题（如基于多跳关系推理）。知识图谱还具有可解释性，查询路径清晰可追溯，这在需要准确溯源的应用中很有价值。

缺点： 构建和维护成本高：需要借助LLM抽取知识，可能出错或不完整；图谱规模大时也会面临查询性能和存储问题。同时，知识图谱擅长明确事实推理，但对于模糊语义的匹配可能还需要配合向量搜索。

【适用场景】

适合知识密集型应用和需要跨事件推理的智能体。例如企业客户支持AI需要理解用户历史提问与账户、订单等信息的关联，或科研助理AI需要梳理论文中的概念关系等。

分层记忆：短期与长期结合

人类记忆是有层级分工的：有的内容转瞬即忘（如刚听到的一句话），有的会短时间记住（如今天开会要点），而真正重要的内容（如家庭住址、生日）会长期保留。

分层记忆策略旨在构建类似“人脑”的记忆结构：将不同类型、重要程度的信息存入不同层级的存储系统，让智能体在面对不同场景时都能“对症下药”。

【基本原理】

该策略将记忆系统划分为多个层级：

工作记忆（短期）：保存最近几轮对话，更新频繁、容量小，通过滑动窗口维护。
长期记忆（可检索）：将重要信息嵌入后保存，支持跨会话、长期检索。
提升机制：比如，当用户在对话中说出类似“记住我XXX”、“我总是”、“我过敏”等关键信息时（也可借助LLM），系统会将这轮信息提升进长期记忆，以供未来使用。

检索时，系统会从短期记忆获取当前上下文，再从长期记忆中基于语义相关性搜索历史记忆，组合出丰富的提示内容交给LLM处理。

这种策略本质上是滑动窗口+向量库+ 重要性判断的组合策略。

short_term = SlidingWindow(max_turns=2)        # 最近几轮对话long_term = VectorDatabase(k=2)                # 可检索的长期嵌入记忆promotion_keywords = ["记住", "总是", "从不", "我过敏", "我的ID是", "我喜欢", "我讨厌"]
def add_message(user_input, ai_response):    short_term.add(user_input, ai_response)
    # 如果用户的输入中包含提示记忆的关键词，则提升至长期记忆；实际中策略可以更复杂     if any(keyword in user_input for keyword in promotion_keywords):        summary = summarize(user_input + ai_response)        vector = embed(summary)        long_term.add(vector, summary)
def get_context(query):    # 获取短期上下文    recent = short_term.get_context()
    # 向长期记忆查询相关内容    vector_query = embed(query)    related = long_term.search(vector_query)
    # 拼接上下文作为提示输入    return f"【长期记忆】\n" + concat(related) + "\n\n【当前上下文】\n" + concat(recent)

【特点分析】

优点：可以结合短期记忆与长期记忆优势，近期信息及时响应，历史信息可按需检索；而且即使短期记忆滚动遗忘，但长期的重要记忆依然可查。

缺点：这种策略实现上更复杂，需要涉及多个模块（窗口管理、嵌入、召回等）；且调优成本更高，比如关键词或重要性的判断、嵌入质量、检索精准性、组合上下文策略均需调试。

【适用场景】

适合需要长期上下文感知的智能体系统。比如企业客服Agent，用户先前的订单、偏好需要记住；再或者个人助理类AI，跨天甚至跨月记住日程安排、家庭成员信息；或者教学/医疗场景中需要回顾过往重要的问答、诊断建议、学习习惯等。

类OS内存管理：模拟记忆Swap

在计算机中，操作系统通过“主内存 + 硬盘”的组合机制高效地管理有限的物理内存（RAM）与大容量但较慢的磁盘（Disk）。如果借鉴这种机制，也可以为智能体构建一种类OS内存管理的记忆系统：将有限的上下文窗口当作RAM使用，而将超出上下文的信息保存到外部存储中（Page Out），必要时再“交换”回来（Page In）。

这种模式与分层记忆模式有点类似，但区别在于：

分层记忆只将关键信息进入二级记忆；而这里只要是窗口外的就会Page Out
分层记忆从二级存储直接检索相关记忆，而这里需要Page In后变成活动记忆

【基本原理】

该策略分为两个层级：

活动记忆：使用一个滑动窗口，保存最近的对话。访问速度快，但容量有限。
被动记忆：当活动记忆满了，最旧的内容会被“交换”至外部存储。这些信息虽然不直接在模型当前上下文中，但仍可随时检索。

这种策略有一个“页故障”的机制：当用户提问中包含关键词，而这些关键词所需的信息不在当前RAM中，系统就会触发“Page Fault”，从被动记忆中搜索匹配内容，并“page in”上下文，再供LLM使用。

该策略本质上模拟了OS的虚拟内存管理原理，即“冷热数据分层”的上下文利用。模拟如下：

active_memory = Deque(maxlen=2)   # 快速但小的上下文窗口passive_memory = {}               # 持久存储的被动记忆turn_id = 0                       # 每轮对话唯一标识
def add_message(user_input, ai_response):    global turn_id    turn = f"User: {user_input}\nAI: {ai_response}"
    if len(active_memory) >= 2:        old_id, old_turn = active_memory.popleft()        passive_memory[old_id] = old_turn  # pageout到被动存储
    active_memory.append((turn_id, turn))    turn_id += 1
def get_context(query):    context = "\n".join([x[1] for x in active_memory])  # 当前活动记忆上下文    paged_in = ""
    #这里共关键词模拟判断需要pagein的记忆，实际应用策略更复杂     for id, turn in passive_memory.items():        if any(word in turn.lower() for word in query.lower().split() if len(word) > 3):        #需执行page in的动作，略         paged_in += f"\n(Paged in from Turn {id}): {turn}"               return f"### Active Memory (RAM):\n{context}\n\n### Paged-In from Disk:\n{paged_in}"

【特点分析】

优点：该策略最大优势在于结构清晰且符合计算机原理。它通过将对话拆分成“热数据（当前上下文）”和“冷数据（外部存储）”两层管理，有效缓解上下文窗口限制，同时还能在关键时刻回忆过去的重要信息，大大提高记忆系统的灵活性和扩展性。

缺点：实现上需要模拟“page in/out”逻辑，并确保触发时机（比如根据关键词或向量相似）的准确性。如果触发机制设计不佳，可能会出现信息召回不及时或漏召的情况，从而影响对话连贯性。同时，“分页”机制要求设计良好的上下文拼接逻辑。

【适用场景】

适用于上下文窗口受限但又需要长期记忆的智能体系统。它能够在保持对话响应速度的同时，保留大量历史信息，适合低延迟对话、时间跨度较大的任务型助手，以及需要随时回溯旧信息的场景：当用户提出涉及过往内容的问题时，系统可以像操作系统一样将“被交换出去”的记忆及时“唤醒”，实现高效又节省资源的记忆管理。

最后我们简单总结以上的8种记忆策略：

如何学习AI大模型？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

优快云粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传优快云，朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉优快云大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）
在这里插入图片描述

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。
在这里插入图片描述

在这里插入图片描述

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

在这里插入图片描述

👉4.大模型实战项目&项目源码👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战项目来学习。（全套教程文末领取哈）
在这里插入图片描述

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）
在这里插入图片描述

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）
在这里插入图片描述

为什么分享这些资料?

只要你是真心想学AI大模型，我这份资料就可以无偿分享给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

在这里插入图片描述