Agent记忆方法（2026.08.01）
一句话理解
Agent记忆方法，是把对话、用户偏好、项目背景、决策和可复用经验持续沉淀下来，并在后续会话或不同 Agent 执行任务时按需召回的方法。
具体解释
普通对话依赖当前上下文窗口：会话结束、窗口压缩或切换工具后，AI 往往需要重新了解用户和项目。Agent记忆方法在模型与外部数据之间增加一套持续工作的机制：
对话与任务过程
→ 识别值得保留的信息
→ 结构化、去重并保存
→ 根据新任务检索和排序
→ 把必要记忆提供给当前 Agent
→ 根据新结果继续更新可被保存的内容通常包括：
- 用户较稳定的偏好、习惯和约束；
- 项目背景、当前状态、关键决策及其原因；
- 已验证的操作方法、排错经验和 Skill；
- 支撑判断的原始对话、文档或其他来源线索。
边界与易混淆概念
| 相邻对象 | 主要作用 | 与 Agent记忆方法的区别 |
| ------------------------------------ | -------------------------------- | ------------------------------------------------------- | ------------------------------------------------ |
| 上下文窗口 | 保存当前一次推理可见的信息 | 容量有限，通常不会自动跨会话持续生长 |
| 聊天记录 | 保存历史原文 | 记录下来不等于能够筛选、组织和准确召回 |
| RAG | 从外部资料中检索相关片段 | 偏向“找到资料”，不必然维护用户画像、任务状态和经验演化 |
| Obsidian / Wiki | 保存可核验、可人工维护的显性知识 | 更适合作为知识真源，不应被未经确认的 Agent 推断直接覆盖 |
| 增量上下文 | 描述正在发生、需要捕捉的新信息 | 是记忆的一类输入，不等于完整的记忆生成与召回方法 |
| 去年今日纵向记忆系统 | 按日期回看个人历史 | 面向人的纵向回顾，不以 Agent 执行任务为主要目标 |
关键判断标准
一套 Agent 记忆方案是否有效，不只看“存了多少”，还要看：
- 选择性：能否区分长期有效信息与一次性噪声；
- 来源性：能否回到原始对话、文件或事件核验；
- 可修正性：错误、过期或敏感记忆能否查看、修改和删除；
- 召回质量：能否在正确任务中拿出少量但真正相关的信息；
- 权限边界：不同用户、项目和 Agent 是否只能读取被授权的记忆；
- 跨 Agent 复用：切换 Codex、Claude Code、Cursor 等工具后，是否仍能继承必要上下文。
例子
- Memmy：偏向个人使用，把 Codex、Claude Code、Cursor 等工具连接到同一套本地长期记忆。
- TencentDB Agent Memory：偏向 Agent 团队，把 Chat Memory、Skill、Wiki 和 CodeGraph 作为可审核、可授权和可装配的记忆资产。
- 苏苏当前系统：Obsidian 和 Wiki 保存正式知识，日报与 CFlow 提供增量上下文，Skills 保存已确认的执行方法；Agent 记忆适合补充近期项目状态、协作偏好和跨会话经验。
相关概念
来源
- Memmy Agent：个人、本地优先、跨 Agent 的记忆层与 Agent Runtime。
- TencentDB Agent Memory：面向 Agent 团队的分层记忆及资产管理方案。
当前认识边界
本页是基于两个开源项目及苏苏现有工作流形成的初版概念，关于记忆准确率、遗忘机制和长期维护成本仍需通过 Memmy 实际试用验证。