百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术教程 > 正文

如何设计Agent的记忆系统(agent记忆方法)

mhr18 2025-06-09 23:46 20 浏览 0 评论

最近看了一张画Agent记忆分类的图

我觉得分类分的还可以,但是太浅了,于是就着它的逻辑,仔细得写了一下在不同的记忆层,该如何设计和选型

先从流程,作用,实力和持续时间的这4个维度来解释一下这几种记忆:

1. 短期记忆(Short-Term Memory, STM)

流程:Input(输入)→ Encode(编码)→ Store(存储)→ Erase(清除)

作用:在进行活动时保持临时细节,类似于我们在对话中临时记住的信息。

示例:保存最近的交互信息,比如刚刚发送的聊天内容。

持续时间:任务或对话结束后即被清除,不会保留。


2. 长期记忆(Long-Term Memory, LTM)

流程:Receive(接收)→ Consolidate(整合)→ Store(存储)→ Retrieve(提取)

作用:维持持久的知识,跨多次交互都能访问这些知识。

示例:保存偏好设置、事实知识、历史数据等。

持续时间:会随着AI不断学习新信息而增加和演变。


3. 情节记忆(Episodic Memory)

流程:Experience(体验)→ Encode(编码)→ Store(存储)→ Recall(回忆)

作用:记录详细的、事件性的经历。

示例:记住是和谁互动(这个不见的“who”代表的是user,也可能是agent)、讨论了什么、何时发生等。

好处:有助于AI根据过往经历,个性化地回应当前请求。


4. 语义记忆(Semantic Memory)

流程:Concepts(概念)→ Store(存储)→ Retrieve(提取)→ Use(使用)

作用:保存事实、概念、语言等一般知识,防止常识性幻觉

示例:知道“伦敦是英国的首都”这种事实。

特性:类似于人类从书本或知识学习中获得并提取的常识。


5. 工作记忆(Working Memory)

流程:Inputs & Goals(输入和目标)→ Temp Ops Area(暂存操作区)→ Real-Time Ops(实时操作)→ Discard(丢弃)

作用:处理即时信息,便于现场决策和解决问题。

示例:临时保存指令、目标或计算步骤。

好处:对即时推理、计划和执行任务至关重要。


6. 程序性记忆(Procedural Memory)

流程:Learn(学习)→ Store(存储)→ Practice(练习)→ Apply(应用)

作用:保留已学会的操作和流程,可自动化执行。

示例:自动知道如何格式化文档、发邮件或跟随既有流程。

类比:“肌肉记忆”,让AI能流畅地完成熟悉的任务。

以上六种记忆类型,分别服务于AI在不同场景下的存储、处理和应用:从即时、临时的信息处理,到持久、自动化的技能与知识运用。

但是这个概念要是落到纸面上其实还有很多工作要做吧,最起码得知道用啥存储组件吧,或者数据格式推荐?

那我们继续。

下面我根据上面这个图,整一个面向LLM Agent的存储设计建议,目的是能说明 6 类记忆各自应选用的存储类型、数据格式、关键组件及设计要点。

线说思路核心:

1) 根据记忆的寿命(瞬时 , 短期 , 长期)、读写频率、访问延迟需求选介质;

2) 根据查询方式(键值检索 , 语义相似度 , 结构化查询 , 顺序重放)选数据库模型;

3) 最好能用统一的记忆编排层抽象读写接口,屏蔽底层异构存储差异。

我就不按上面的顺序来写了啊,咱们就从短长开始设计,这样看着逻辑性强一点。


1. 短期记忆 (Short-Term Memory, STM)

o 典型访问特征:生命周期 = 一次对话/任务,毫秒级读写,键值直取,不需要持久化。

o 推荐组件的话呢?

首选:进程内缓存(Python Dict、Go map)或轻量化 KV 内存数据库(Redis、Dragonfly)。

高并发多实例可用 Redis Cluster + TTL 到期删除。

o 数据模型/格式

结构简单:

{conversation_id: [{role, content, ts}]}

或者直接token 缓存。

若需少量向量召回,可把 embedding 作为 field 存 Hash/JSON 里,或附带到本地 Faiss index(RAM),有钱Faiss可以上GPU,但是其实也没太大必要。

o 设计要点

TTL 必须 小于 上下文窗口时间,其实这个挺好理解,如果你TTL设置得太长,超过了当前任务/对话上下文窗口,那么旧的短期记忆有可能被下一轮新的对话或任务意外挂载和复用,导致“前一个用户/任务”的内容泄露进来(典型的“越权存取”风险)

关闭持久化 (AOF/RDB) 以获得极低延迟;

同步删除:对话结束立即 DEL / EXPIRE 0。


2. 工作记忆 (Working Memory)

o 定义:Agent 正在推理时的scratchpad。持续几秒~几分钟,需要频繁更新、顺序遍历。

o 推荐组件

直接放在 LLM 的 Prompt 构造器里(临时 Python 对象 / JS 对象);

如需多人协作或 DAG 工作流,可用内存流数据库(Materialize、RisingWave)或流框架(Kafka + ksqlDB)暂存。

o 数据模型

JSON/Dict:

{"goal": "...", "current_step": 3, "intermediate_results": [...]}  


o 设计要点

可随时丢弃原则;

若任务超长,用 Write-Ahead Log 落盘到本地 SSD 防节点故障。

这俩没啥特别可解释的

3. 情节记忆 (Episodic Memory)

o 定义:带时间戳的交互事件流,需要按语义+时间检索。

o 推荐组件(Hybrid Store)

1-事件日志:Append-only 列式或时序库 Apache Iceberg / Parquet on S3、ClickHouse、TimescaleDB,这东西太多了,要我就clickhouse了,因为简单,但是特别要注意时间上下文的,可能还得去找专门的TSDB来搞

2-语义索引:向量数据库 Milvus / Weaviate / pgvector / Pinecone。

o 数据模型

基表的设计example:event_id, agent_id, user_id, timestamp, text, meta(json)

向量表:event_id, embedding VECTOR(768看你处理的数据业务形态,768就是个建议值) + HNSW/IVF 索引

o 设计要点

双写:事件落盘时同步写入向量库;

支持 “who/when/what” 过滤(涉及时间,事件和角色) + 近似向量检索;

定期离线合并老分区、分层存储 (hot <-> cold)。


4. 语义记忆 (Semantic Memory)

o 定义:事实、概念、知识图谱,强调结构化关系和可推理。

o 推荐组件

知识图谱:RDF 三元组库 (Blazegraph, Virtuoso) 或图数据库 (Neo4j, TigerGraph);

补充全文/向量:Elasticsearch + KNN(有没有估计能差点意思)、或者同上向量库。

o 数据模型

三元组:(entity, relation, entity)

为每个实体存 description, embedding,支持 embedding 相似度 + Cypher(图)/SPARQL(EDF) 查询,当然也可以加上BM25座个hyberid,最后再rerank。

o 设计要点

明确本体 / schema;

版本化知识 (snapshot + diff) 以便回溯;

支持批量导入(主要是产业和公司内部文档这些玩意,对,还有wiki)。


5. 长期记忆 (Long-Term Memory, LTM)

o 定义:用户偏好、持久配置、历次学习成果的总汇,需要可扩展、持久、多模式查询。

o 推荐组件(分层架构)

结构化偏好:PostgreSQL / MySQL

大文件/文档:对象存储 (S3类的)

语义检索:统一指向上面的向量库(可与情节/语义共用集群省点钱)。

o 数据模型

偏好表:user_id, key, value(jsonb), updated_at

文档索引:doc_id, s3_uri, summary, embedding

o 设计要点

多租户隔离、如果有强烈的compliance需求,那上面GDPR 啥的也可以在这个基础上建设,总而言之就是不能混用了;

写放大:批量 consolidate 后写,减少频繁小更新;

定期迁移冷数据到低成本存储 ,比如类Glacier的纯冷层,但是我其实还时更推荐放在温层里面进行存储,虽然长期记忆不见的总能用到,但是一旦用到,折腾Glacier还是挺麻烦的,另外一个必须做的工作就是,长期记忆的定期summary,短期记忆可以周期性的汇总形成长期记忆,长期记忆也可以定期汇总形成超长期记忆,来避免context和storage的双重上限压力。

6. 程序性记忆 (Procedural Memory)


o 定义:可复用的技能 / 工作流 / 宏;更新频次低、读频次高,需要版本控制和安全审计。

o 推荐组件

Git 仓库 (GitLab / GitHub Enterprise或者任何企业里面用的仓库,愿意用啥都行) + CI;

若技能用 DSL/JSON 表示,可再加文档数据库 (MongoDB) 缓存可解析的 AST;

运行时加载:在容器或函数服务等serverless服务中按需调用。

o 数据模型

代码 / YAML / BPMN 文件;

元数据表:skill_id, name, version, checksum, entry_point, permissions.

o 设计要点

版本标签+语义化发布 (SemVer);

审批/回滚链路;

延迟加载 + 本地 LRU 缓存,保证首调用体验。


跨层 Memory Orchestrator 设计要点

1) 统一 API:store(memory_type, data, **meta)、retrieve(memory_type, query)

2) 读写策略:

o 写入时自动路由到对应存储;

o 读取时支持级联:先 STM 到LTM 到 语义 / 图谱。

3) 安全合规:数据分级、加密 at-rest + in-transit,PII 脱敏。

4) 指标观测:每层暴露 QPS、延迟、命中率,Prometheus + Grafana。

5) 弹性伸缩:冷热分层、Auto-Scaling、备份与灾难恢复策略。

如果按着我以上的设计来经营你的Agent记忆系统,那肯定既能保证超低延迟的对话体验,又能让 Agent 正确的调用长短期记忆的知识,演化技能,而且复杂度相当高,为了做AI自动化,手动创建了极其精密和复杂的存储系统,就

又可以借机会招人了,创造了就业机会



相关推荐

软考架构师-案例分析之Redis(软考架构师真题)

软考架构师考试中,Redis的知识考了很多回,从最近几年来看,案例分析经常考,有的时候单独考,有的时候和其他知识点一起考。Redis过往的考试中,考过的知识如下:1、Redis特点,涉及数据类型、持久...

揭秘:视频播放网站如何精准记录用户观看进度

在互联网蓬勃发展的当下,视频内容已毫无争议地成为人们获取信息、享受娱乐休闲时光的核心方式。据权威数据统计,全球每天有数十亿小时的视频被观看,视频流量在网络总流量中的占比逐年攀升,预计在未来几年内将超过...

量子级一致性!Flink+Redis全局状态管理

百万级实时计算任务如何实现亚毫秒级状态访问?本文揭秘Flink+Redis的量子纠缠态状态管理方案,将状态延迟降至0.3ms。引子:实时风控系统的量子跃迁//传统Flink状态管理(基于RocksD...

在 Mac 上运行 Redis 的 Docker 容器

在Mac上运行Redis的Docker容器,你可以按以下步骤操作,非常简单高效:一、前提要求已安装DockerDesktopforMac可通过终端验证Docker是否可用:d...

从 0 到 1:使用 Nginx + Lua 打造高性能 Web 网关

在大规模分布式架构中,Web网关扮演着重要角色,负责请求转发、负载均衡、限流、认证等功能。而Nginx+Lua结合可以提供:o高性能:Nginx是目前最流行的高性能Web服务器o动...

外贸独立站缓存设置黑科技:用错Redis比没缓存更致命

上周帮一个杭州卖家排查网站崩溃问题,发现这老铁把Redis缓存设置成128MB还开着持久化,服务器内存直接炸得比春节红包还彻底——"你这哪是缓存啊,根本是DDoS攻击自己!"最近Clo...

Spring Boot3 整合 Redis,这些缓存注解你真的会用吗?

你在开发SpringBoot3项目时,有没有遇到过这样的困扰?随着项目功能不断增加,数据量逐渐庞大,接口响应速度变得越来越慢,用户体验直线下降。好不容易找到优化方向——引入Redis缓存...

MySQL处理并发访问和高负载的关键技术和策略

MySQL处理并发访问和高负载的关键技术和策略主要包括以下几个方面:一、硬件优化1.CPU:提升CPU处理能力可以明显改善并发处理性能。根据数据库负载,考虑使用更多的CPU核心。2.内存:增加内存可以...

druid解决高并发的数据库(druid多数据源配置 spring boot)

处理高并发的时候可以解决我们java一个核心问题java核心问题就是并发问题解决并发一个是redis一个是线程池的方式现在出来是个druid好像现在解决高并发的方式进行更换数据库的方式操作场景插入频繁...

高并发方案最全详解(8大常见方案)

关注△mikechen△,十余年BAT架构经验倾囊相授!大家好,我是mikechen睿哥。高并发是大型架构的核心,下面我重点来详解常见8大高并发方案@mikechen文章来源:mikechen.cc分...

MySQL如何处理并发访问和高负载?(mysql如何处理并发访问和高负载访问)

MySQL在处理并发访问和高负载方面,采取了一系列关键技术和策略,以确保数据库系统在面对不断增长的并发需求时维持高效和稳定的性能。以下是对这些技术和策略的详细阐述,旨在全面解析MySQL如何处理并发访...

Redis高可用集群详解(redis高可用方案以及优缺点)

Redis集群与哨兵架构对比Redis哨兵架构在redis3.0以前的版本要实现集群一般是借助哨兵sentinel工具监控master节点状态,如果master节点异常,则会做主从切换,将某一台sla...

MCP协议重大升级!Spring AI联合阿里Higress,性能提升300%

引言:一场颠覆AI通信的技术革命2025年3月,MCP(ModelContextProtocol)协议迎来里程碑式升级——StreamableHTTP正式取代HTTP+SSE成为默认传输层。这一...

阿里三面被挂,幸获内推,历经5轮终于拿到口碑offer

作者:Java程序猿阿谷来源:https://www.jianshu.com/p/1c8271f03aa5每一个互联网人心中都有一个大厂梦,百度、阿里巴巴、腾讯是很多互联网人梦寐以求的地方,而我也不例...

来瞧瞧阿里一面都面些什么(笔试+机试)

絮叨说实话,能有机会面一下阿里对我来说帮助确实有蛮多,至少让我知道了自己的不足在哪,都说面试造火箭,上班拧螺丝。但就算是如此,为了生存,你也只有不停的学习,唯有光头,才能更强。哈哈起因2月28日在Bo...

取消回复欢迎 发表评论: