Appearance
Memory 记忆架构
在知识图谱中的位置：模块三 · 03_高级模式 · 第 5 节 难度：⭐⭐⭐ | 前置知识：Agent 基础
1. 概述
Agent 的记忆是 Agent 区别于静态 LLM 的核心能力。没有记忆的 Agent 只能做「一次性问答」，有记忆的 Agent 才能实现跨会话连贯性、个性化、学习能力。
2025-2026 年，Memory 已成为 Agent 架构的独立模块。
2. 核心概念
2.1 Agent 的三层记忆架构
┌─────────────────────────────┐
│ Agent Memory │
│ │
│ ┌───────────┐ ┌──────────┐│
│ │ 工作记忆 │ │ 短期记忆 ││
│ │ (Working) │ │ (Short) ││
│ │ 当前任务 │ │ 对话历史 ││
│ │ 上下文窗口 │ │ 数小时 ││
│ └───────────┘ └──────────┘│
│ │
│ ┌───────────┐ ┌──────────┐│
│ │ 长期记忆 │ │ 个人记忆 ││
│ │ (Long-term)│ │ (Personal)││
│ │ 知识库 │ │ 用户偏好 ││
│ │ 向量DB │ │ 经验 ││
│ └───────────┘ └──────────┘│
└─────────────────────────────┘| 类型 | 容量 | 持久性 | 技术实现 | |------|------|------|--|-| | 工作记忆 | ~128K tokens | 单次对话 | LLM 上下文窗口 | | 短期记忆 | ~10K 条 | 数小时/天 | ConversationBufferMemory | | 长期记忆 | 无限 | 永久 | 向量DB (Chroma/Pinecone) | | 个人记忆 | 有限 | 永久 | MAGMA 多图架构 |
2.2 MAGMA 架构（2025 年突破）
MAGMA（Memory-Augmented Graph） 是 2025 年的关键突破：
用户记忆图:
┌──────────────────────────┐
│ │
│ [用户: 喜欢编程] ────→ [Python]
│ │ ↓
│ │ [项目: Django]
│ │ ↓
│ [用户: 住北京] ───→ [工具: VS Code]
│ ↓
│ [框架: LangChain]
│ ↓
│ [目标: 学 Agent]
│ ↓
│ [偏好: 中文文档]
│ ↓
│ [历史: 面试准备]
│ ↓
│ [下一步: 准备面试]
│ │
└──────────────────────────┘MAGMA 的核心：用图谱结构存储记忆，而非向量检索。支持：
- 关联推理 — "喜欢编程" → "Python" → "Django"
- 类人遗忘 — 不重要的记忆自动衰减
- 个性化检索 — 根据场景召回相关记忆
3. 技术原理
3.1 记忆写入流程
用户交互 → 提取记忆点 → 分类（短期/长期/个人）→ 存储
→ 评估重要性 → 决定是否需要长期存储3.2 记忆读取流程
当前上下文 → 检索相关记忆 → 评估相关性 → 注入 Prompt
（向量检索/图谱遍历/关键词）3.3 代码示例
python
# 短期记忆 — 对话历史
from langchain.memory import ConversationBufferMemory
memory = ConversationBufferMemory()
memory.save_context({"input": "你好"}, {"output": "你好！有什么可以帮你的？"})
# 长期记忆 — 向量存储
from langchain.vectorstores import Chroma
from langchain.embeddings import OpenAIEmbeddings
embeddings = OpenAIEmbeddings()
vectordb = Chroma(collection_name="agent_memory", embedding_function=embeddings)
# 存储记忆
from langchain.docstore.document import Document
docs = [Document(page_content="用户喜欢编程")]
vectordb.add_documents(docs)
# 检索记忆
results = vectordb.similarity_search("编程", k=3)4. 实践指南
4.1 记忆策略
| 场景 | 策略 |
|---|---|
| 客服 Agent | 短期记忆 + 用户画像 |
| 研究 Agent | 长期记忆（向量DB） |
| 个人助手 | MAGMA 个人记忆图 |
| 代码 Agent | 工作记忆 + 项目记忆 |
4.2 最佳实践
- 记忆压缩 — 定期摘要，避免上下文爆炸
- 分级存储 — 重要/一般/过期分级
- 遗忘机制 — 不重要记忆自动衰减
- 安全隐私 — 个人记忆加密存储
4.3 常见陷阱
| 陷阱 | 解法 |
|---|---|
| 记忆污染 | 评估相关性后再注入 |
| 检索噪声 | MAGMA 图谱检索 |
| 存储成本 | 定期清理/压缩 |
| 隐私泄露 | 加密+权限 |