Agent 框架中的记忆机制有哪些类型？

1. 工作记忆

工作记忆对应 Agent 当前活跃上下文窗口中的所有内容，包括最近的对话轮次、工具调用结果和任务状态。虽然 2026 年的前沿模型已具备百万级 token 的上下文容量，但无限制地累积上下文仍会导致性能下降和成本激增。工程实践中的关键原则是对历史内容进行有策略的摘要压缩，而非简单堆砌。

2. 情景记忆

情景记忆以时间戳记录具体事件，例如"用户在某日请求了某项分析并接受了结果"。这种记忆类型的标准实现是将每个事件向量化后存入 pgvector、Pinecone 或 Weaviate 等向量数据库，通过语义相似度检索来召回相关历史。它是任何需要跨会话记忆的 Agent 系统的基础组件。

3. 语义记忆

语义记忆存储从经验中提炼出的抽象事实和用户偏好，例如"用户偏好 TypeScript 语言"或"该客户的审批额度上限为十万元"。这类信息通常存储在结构化数据库或键值存储中，配合嵌入向量实现高效检索。语义记忆使 Agent 能够在新任务中自动应用已知的用户特征和业务规则。

4. 程序记忆

程序记忆保存 Agent 学会的工作流程和工具使用模式，体现为固化的提示词模板、代码片段或微调后的 LoRA 权重。与情景记忆记录"发生了什么"不同，程序记忆编码的是"如何做事情"。随着 Agent 运行时间的增长，程序记忆的积累使其在重复性任务上的效率持续提升。