反思式推理中的记忆机制是如何工作的？

1. 三类记忆子系统的协同

现代 AI Agent 的记忆架构借鉴认知科学，通常包含三个层次：

• 工作记忆（Working Memory）：存储当前对话内容和近期工具调用结果，时间跨度为单次任务会话，受限于模型的上下文窗口
• 情景记忆（Episodic Memory）：以时间戳记录过往事件，存储在向量数据库中，支持按相似度检索，时间跨度为数天至数月
• 程序记忆（Procedural Memory）：捕获已习得的工具使用模式和工作流，通常固化在系统提示词或轻量级参数微调中，长期有效

2. Reflexion 框架的言语强化机制

Reflexion 框架通过自然语言实现跨尝试的经验积累。每次任务失败后，Agent 生成一段自然语言的反思笔记，存入情景记忆缓冲区。下次尝试时，Actor 组件不仅接收原始任务，还会读取所有累积的反思记录，从而避免重复犯错。

这一机制的关键优势在于学习完全发生在会话内部，无需昂贵的参数微调。Agent 通过多次尝试不断积累"自我提示"，逐步优化策略。在 HumanEval 代码生成基准上，Reflexion 将 GPT-4 的通过率从 80% 提升至 91%。

3. 异步巩固机制

Anthropic 于 2026 年 5 月推出的"Dreaming"机制代表了记忆管理的最新进展。该系统在会话间隙异步运行，回顾历史对话记录、提取行为模式、合并重复条目、替换过时信息，模拟人类海马体的睡眠巩固过程。这种设计避免了在 Agent 交互过程中阻塞执行昂贵的记忆结构化操作。