Agent 的记忆系统怎么设计？

先这样答

设计记忆系统先分层，按信息寿命从短到长。

最内层是工作记忆，就是上下文窗口本身：当前对话、最近几轮的工具结果都在这里，随窗口淘汰。这层的工程问题是空间不够用，要做历史裁剪（保留最近 N 轮 + 摘要更早的）、工具结果压缩（长文档只留结论）。

往外是长期记忆：跨会话还要用的信息，比如用户偏好、项目背景、历史结论。这层通常放向量库，会话结束或产生稳定结论时写入，下次会话开始或话题相关时检索回来。写入要有门槛，不是什么都存：存得越杂，检索时噪音越多。

最外层是结构化存储：用户档案、订单状态、明确的偏好设定，这类信息要精确读写，放数据库，用键值或表结构管理，检索靠查询不靠相似度。

三层之上还有三个横切问题，面试一定要点到。什么值得记：稳定、复用价值高的信息才写长期层，一次性的中间过程不写。怎么记：写入时做抽取和归纳，把一整段对话提炼成一两条事实，而不是原文照存。怎么过期：记忆要有时间戳和更新机制，新结论覆盖旧结论，否则用户改了需求，旧记忆还在干扰。

面试官会怎么追问

• 记忆检索和 RAG 有什么区别？ 机制上都是向量检索，差别在数据源和粒度：RAG 检索外部文档，记忆检索的是这个用户/这个 Agent 的历史交互；记忆条目更碎、更个人化，冲突更新也更频繁。
• 怎么防止记错、记偏？ 写入时带来源和置信度，检索时给模型提示「这是历史记忆，与当前对话冲突时以当前为准」；关键事实类记忆允许用户查看和删除。
• 记忆会不会把上下文撑爆？ 记忆检索和 RAG 一样只取 top 几条进上下文，进多少、以什么格式拼，都是可调的工程参数。

回答的坑

• 把记忆说成「存到向量库」一步。分层、写入门槛、过期机制三件事不提，等于没设计过。
• 忽略用户视角。记忆牵扯隐私，能查看、能删除是企业落地绕不开的要求。