企业官网建设流程全解析

👋 我是 Yulia，一线 AI 应用开发工程师：4 年工程经验，在职做大模型应用落地。
只写一件事——把最新 AI 技术讲成人话 + 给你能直接上手用的代码（真实可验证，不搬运不注水）。
有用就点个关注，持续更新大模型应用的前沿实战。

📚 本文是《后端开发从入门到靠谱》系列第 14 篇。第十二课我们做出了会调工具的 Agent，但它有个致命短板——每次对话都像第一次见你，记不住你上一句说过什么，更记不住你是谁。这一课给它装上"记忆"，让它真正像个靠谱的助理。

你用 AI 助手问了个问题，聊了半天；第二天再打开，它完全不记得你昨天说过什么——又要从头自我介绍一遍。这就是没有记忆的 Agent：一个失忆的助理。

记忆系统（Memory）就是让 Agent 摆脱"失忆"，能记住对话上下文、记住用户偏好，跨会话持续提供个性化服务。这是 Agent 从"玩具"到"能用"的关键一跃。

读完你会拿到：

• 一个直觉模型：为什么大模型天生"失忆"（无状态）
• 记忆的两个层次：短期记忆（本次会话）vs 长期记忆（跨会话）
• 短期记忆的实现：上下文管理三招（滑动窗口 / 摘要压缩 / 分层）
• 长期记忆的三类：事实记忆 / 语义记忆 / 情景记忆
• 长期记忆的写入与检索（什么时候存、什么时候取，Agent 记忆的灵魂）
• 一个完整记忆系统的代码骨架
• 常见坑：记忆爆炸、错误记忆、隐私与遗忘权

先看全景图，Agent 记忆系统长这样：

一、为什么 Agent 天生"失忆"？

先搞懂根本原因，后面的设计才有根基。

大模型是无状态的（stateless）。每次调用 API，它只看你这一次传进去的内容，不会自动记住上一次的对话。你可以把大模型想象成"一个每次都格式化过的临时工"：

所以"记忆"不是大模型自带的能力，而是你在外面给它搭的一套系统——把该记住的东西存下来，下次再喂回给它。这个"存 + 取"的系统，就是 Agent 记忆系统。

二、记忆的两个层次：短期 vs 长期

Agent 记忆分成两个层次，这是理解整个系统的框架：

一句话：短期记忆负责"这次对话别聊着聊着忘了上文"，长期记忆负责"下次再来还认识你"。

三、短期记忆：上下文管理

短期记忆的实现，本质是把历史消息拼进 prompt。你在代码里维护一个messages列表：

messages=[]# 短期记忆：本次对话的历史defchat(user_input):messages.append({"role":"user","content":user_input})# 加进历史resp=call_llm(messages)# 整个 messages 一起传给大模型messages.append({"role":"assistant","content":resp})returnresp

大模型每次都能"看到"前面的历史，所以能接上话。但这里有个硬约束：大模型上下文长度有限（token 数），历史不能无限塞。于是有了三种管理策略：

1. 滑动窗口：只保留最近 N 条消息，旧的直接丢掉。简单，但会丢掉"很久之前的关键信息"。
2. 摘要压缩：把较早的历史用大模型压缩成一段摘要（“用户刚才说他想学 AI 后端…”），既省 token 又保留要点。
3. 分层记忆：最近几条保留原文 + 更早的保留摘要，两者结合。

这就是"上下文管理"（之前系列里提过）：短期记忆的本质，是在 token 有限的约束下，尽量保留有用的上下文。

四、长期记忆：跨会话记住用户

短期记忆会话一结束就没了。要让 Agent"下次还认识你"，需要长期记忆——把重要信息持久化到数据库/向量库里，下次再取出来。

长期记忆通常分三类：

• 事实记忆：关于用户的事实——“用户叫 Yulia，是后端工程师，用 FastAPI”；
• 语义记忆：通用知识库——公司的产品文档、领域知识（这就是 RAG 的向量库）；
• 情景记忆：历史交互记录——“上次我帮你解决过 XX 问题”。

注意：RAG（第十一课）本质上是语义记忆的一种实现。所以记忆系统和 RAG 不是两回事，RAG 是记忆系统里的一个子集。

五、长期记忆的写入：什么时候存

长期记忆最关键的设计是**“什么时候写入”——因为不可能把每一句话都存下来（会爆炸），要挑有价值的存**。

核心是用大模型做"记忆提取（memory extraction）"：对话结束后，让大模型判断"这段对话里有没有值得长期记住的信息"，有就提取成一条结构化记忆。例如：

defextract_memory(dialogue:str)->str|None:prompt=f"""判断下面的对话里有没有值得长期记住的信息（用户身份、偏好、重要事实）。 如果有，提取成一句话记忆；如果没有，返回"无"。 对话：{dialogue}"""memory=call_llm(prompt)returnNoneif"无"inmemoryelsememory# 示例：对话"我叫 Yulia，是做后端开发的"# 提取出记忆："用户叫 Yulia，是后端开发工程师"

提取出的记忆写入数据库，下次对话时检索出来用。

六、长期记忆的检索：什么时候取

存了记忆，还要在合适的时候取出来用。每次新对话开始时，根据用户当前的问题，去检索最相关的记忆：

检索用向量相似度（和 RAG 一样）——把用户当前问题向量化，去找最相关的记忆。比如用户问"帮我推荐一个后端框架"，就能检索出"用户是后端工程师、用 FastAPI"这条记忆，然后回答就能个性化。

七、完整实现：一个带记忆的 Agent

把短期 + 长期记忆串起来：

# 短期记忆：本次会话的 messagesmessages=[]defchat(user_id:str,user_input:str):# 1. 检索长期记忆relevant_memories=retrieve_memories(user_id,user_input)# 向量检索# 2. 拼 prompt：长期记忆 + 短期上下文 + 当前问题memory_text="\n".join(relevant_memories)messages.append({"role":"user","content":user_input})prompt_messages=[{"role":"system","content":f"关于用户，你已知：\n{memory_text}"},]+messages[-10:]# 短期记忆：滑动窗口，只留最近 10 条# 3. 调大模型resp=call_llm(prompt_messages)messages.append({"role":"assistant","content":resp})# 4. 提取新记忆，写入长期记忆new_memory=extract_memory(f"用户：{user_input}\n助手：{resp}")ifnew_memory:store_memory(user_id,new_memory)# 写入向量库/数据库returnresp

这段代码把整篇文章串起来了：检索长期记忆 → 拼短期上下文 → 生成 → 提取新记忆写入。四个步骤就是 Agent 记忆系统的完整闭环。

八、常见坑与避坑指南

隐私与遗忘权是记忆系统特有的红线：用户有权要求"忘了我"。一个合格的记忆系统必须支持删除指定用户的记忆，这在合规上越来越重要。

总结：一张图带走

这课的核心，一句话串起来：

• 大模型天生无状态，记忆是你在外面给它搭的"存 + 取"系统。
• 两层记忆：短期记忆（本次会话，用 messages + 滑动窗口/摘要）vs 长期记忆（跨会话，持久化）。
• 长期记忆三类：事实记忆（用户是谁）、语义记忆（RAG 知识库）、情景记忆（历史交互）。
• 写入靠"记忆提取"：用大模型判断"值不值得记"，只存有价值的，防爆炸。
• 检索靠向量相似度：新对话时检索最相关的记忆注入 prompt，实现个性化。
• 完整闭环：检索记忆 → 拼上下文 → 生成 → 提取新记忆写入。

三个立即可用的行动：

1. 给第十二课的 Agent 加一个最简单的短期记忆（messages列表 + 滑动窗口），感受它"记得上文"的变化；
2. 写一个extract_memory函数，让大模型从对话里提取"值得记住"的信息，存进数据库；
3. 下次对话前，用向量检索把相关记忆取出来注入 prompt，实现"下次还认识你"。

如果这篇对你有帮助，点个赞、收藏一下，下一篇我们讲Multi-Agent 多智能体——让多个 Agent 分工协作。

关注我，我会持续更新 AI 应用开发的前沿实战，陪你从单 Agent 一路进阶到多智能体系统。

你在做 Agent 记忆时，遇到过"记忆越存越多、检索越来越不准"的问题吗？你是怎么解决的？评论区聊聊，我挨个回。

（本文记忆系统方案基于主流 Agent 框架的通用设计，存储可用数据库 + 向量库实现，具体技术栈可替换，评论区提醒我。）