智能体记忆系统如何实现智能遗忘与记忆修剪？

随着记忆不断累积，"上下文腐化"（context rot）成为性能退化的主要诱因——无关或过时的信息堆积会降低检索质量、增加成本并引入噪声。2026 年的多项研究一致表明，智能体"记太多"反而更糟。智能遗忘的实现方式包括三种机制：

1. 记忆修剪

使用强化学习或评分机制识别低价值记忆并予以清除，同时保留高影响经验。Xiao 等人（FSE 2026）的实验表明，对无用、冗余、过期的轨迹信息进行实时瘦身，可将输入 token 降低 39.9%～59.7%，总成本降低 21.1%～35.9%，而性能不降。

2. 过期机制

为不同类型的记忆设置不同的有效期。语义事实会过时（职位变更、公司名称变更），情景记忆不会过时但会变得不相关，程序性规则在工作流变更前持续有效。为记忆添加过期日期或审查触发器，是防止陈旧信息误导决策的关键。

3. 替代与重新验证

替代（superseding）指写入新事实时显式废弃旧事实，而非让两者并存于检索索引中——两条矛盾记忆的检索结果等同于掷硬币。重新验证（re-verifying）指在执行高风险操作前，重新核对关键事实与源系统是否一致，而非信任数周前的记录。