这篇综述由近50位作者、20多家机构合作完成，全面探讨了AI Agent的记忆问题。随着AI进入"下半场"，Agent需要在长时程、动态环境中工作，记忆成为核心机制。文章提出了一个三维分类框架，涵盖记忆存储位置、认知机制、记忆服务对象，并详细介绍了五种记忆类型（感知、工作、情节、语义、程序记忆）及其核心操作（存储、检索、更新、压缩、遗忘）。此外，还讨论了多Agent记忆拓扑、记忆学习策略（Prompt、SFT、RL）以及记忆在实际场景中的应用。最后，文章指出了当前评估方法的缺陷和六个悬而未决的关键问题，强调了持续学习、记忆基础设施和可信记忆的重要性。

用 GPT 或 Claude 做过长对话的人大概都踩过这个坑：聊了半个小时，AI 把你前面说过的事情忘干净了。你不得不把背景重新解释一遍。

这还是人机对话，忍一忍也就算了。

但如果是 agent 在自主执行任务呢？记不住"这个 API 上次试过了、失败了"，每次重新出发就是在浪费资源，会无限踩同一个坑。

这个问题在 AI 进入"下半场"之后变得格外突出。

这篇综述动用了将近 50 位作者，涵盖 20 多家研究机构，覆盖近年来发布的数百篇论文，试图把 agent 记忆这件事完整说清楚。

看这个作者和机构数量，就知道这篇工作的工作量了。

综述也统计了，从 2025 年下半年开始，针对记忆的研究在快速增长。

上半场和下半场

论文的出发点是一个判断：AI 研究正在经历范式转移。

上半场在做什么？刷 benchmark。模型越来越大、分数越来越高，大家都在比谁能在静态数据集上跑出更好的数字。

下半场要面对的是另一类问题。真实的 agent 要在长时程、动态、依赖用户的环境里工作。任务可能跨越几十次交互，环境随时在变，用户的偏好也各不相同。

这种场景下，"上下文爆炸"是个真实的工程问题。agent 需要不断积累、管理、有选择地复用大量信息，这些信息远远塞不进一个 context window。

记忆，就是填补这个效用鸿沟的核心机制。

三个维度，一套统一的框架

这篇综述的主要贡献是提出了一个三维分类框架，把之前零散的记忆研究统一起来。

第一维：记忆存在哪里（Memory Substrate）

外部记忆是显式存储在模型权重之外的信息。常见形式有：

• 向量数据库：RAG 的主力，用近似最近邻搜索检索嵌入向量
• 结构化存储：图结构、关系表、层级树，典型系统有 AriGraph、HippoRAG、RAPTOR
• 文本记录：人类可读的摘要和时序日志，2023 年的 Generative Agents 就是这条路线

内部记忆是编码在模型本身里的：

• 权重：训练出来的参数化知识，相当于"写死"在模型里的记忆
• 上下文窗口：运行时的工作区，存放 prompt、推理链、工具输出
• KV Cache：推理过程中的中间状态

这两类存储各有取舍。外部记忆容量大、可编辑、可检查，但检索有延迟。内部记忆访问快，但修改成本高、容量有限。

第二维：认知机制（Cognitive Mechanism）

这是论文最有意思的部分。作者借鉴认知科学里对人类记忆的分类，把 agent 记忆拆成五种：

感知记忆（Sensory Memory）

最短暂的那一层。作用是缓冲输入信号，在进一步处理前做短暂保留。在文本 agent 里几乎不需要。

但在多模态和具身 agent 里越来越重要。典型用途是保留最近几秒的视频帧或传感器嵌入，用来平滑感知、应对短暂遮挡。代表系统有 HMT、LightMem、SAM2。

工作记忆（Working Memory）

“当前正在处理什么”。对应的就是 agent 的 context window，是有容量约束的在线工作区。

以前大家把它当被动缓冲区，塞满了就截断或压缩。这篇综述把它重新定义为一个需要主动管理的计算资源。

两条研究线：一是写入前的整形，在信息进入上下文前先做压缩、折叠、抽象，Context-Folding 是代表。二是在线淘汰和更新，MemGPT 的分页机制走的是这条路。

情节记忆（Episodic Memory）

“发生过什么”。跨会话的具体经历记录，带时间和情境上下文。比如"上次你偏好两页摘要"、“上个方案因为缺 API key 失败了”。

难点是两个：怎么存，包括什么时候触发存储、存多少颗粒度；怎么取，也就是在需要时检索出相关的历史片段。代表系统有 Memoria、GCAgent。

语义记忆（Semantic Memory）

“知道什么”。从情节中蒸馏出来的稳定概念和事实知识。不是某次具体经历，而是从多次经历中归纳出的通用知识。

实现形式包括知识图谱、层级 schema、辅助参数等。代表系统有 HippoRAG、Zep、Titans。

程序记忆（Procedural Memory）

“怎么做事”。可复用的技能、动作模式和工作流。比如"搜索 → 阅读 → 提取 → 引用"这个固定流程被固化成一个可调用的 routine。

形式上从非参数化模板到参数化神经策略都有，前者是把 workflow 写下来，后者是通过强化学习训练成"本能"。代表系统有 Voyager、Agent Workflow Memory、LEGOMem。

第三维：记忆服务谁（Memory Subject）

• 用户中心记忆：记录特定用户的偏好、背景、交互历史，用于个性化
• Agent 中心记忆：记录 agent 自身的任务经验、技能、领域知识，用于跨任务的能力积累

这两类技术上有交叉，但目标和评估维度不同。工作记忆、感知记忆和程序记忆基本上是 agent 中心的。语义记忆和情节记忆在两类场景里都会出现。

论文用了一张散点图来呈现这个分布关系：五种记忆类型在 agent 中心和用户中心两个方向上，各自的研究论文数量差异明显，感知记忆几乎全是 agent 中心，语义记忆则在两侧都很活跃。

记忆怎么运转：五种核心操作

有了记忆系统，agent 怎么用它？论文把单 agent 的记忆操作归纳为五类，覆盖记忆的完整生命周期。

存储与索引（Storage and Index）

信息以什么形式写入、怎么组织，直接决定后续检索的精度和效率。向量嵌入加上时间戳、任务标识符等辅助元数据是主流做法。

结构化存储格式支持更复杂的关系查询，图、关系表、层级树都有各自的适用场景。存储格式的选择会一路影响到推理质量。

加载与检索（Loading and Retrieval）

从存储里把相关记忆取出来，注入当前推理过程。核心挑战是平衡相关性、多样性和上下文预算。

取太多是噪声，取太少是遗漏。Pre-filtering 先按元数据筛一遍，再做语义相似度排序，是比较常见的两阶段做法。

更新与刷新（Updates and Refresh）

记忆不是写进去就不变的。任务完成后、检测到不一致时，需要重写语义摘要、合并重叠的情节记录、调整重要性评分。Reflexion 里的反思机制就属于这类，通过自我评估触发记忆更新。

压缩与摘要（Compression and Summarization）

把细粒度的情节记录转化成紧凑的抽象表示。RAPTOR 的分层压缩方案把记忆组织成多级树状结构，不同颗粒度满足不同检索需求。Dynamic Cheatsheet 方案则维护一个持续更新的任务摘要，避免每次都做大规模检索。

核心取舍是抽象保真度和长期可回溯性之间的矛盾——压得越狠，细节丢得越多。

遗忘与保留（Forgetting and Retention）

不加筛选地积累记忆，迟早会影响推理质量。简单策略是按时间衰减或重要性阈值淘汰，进阶做法是用 RL 学习记忆保留策略，BudgetMem 和 Memory-R1 走的是这条路。遗忘不是失败，是维持记忆系统健康运转的必要机制。

多 Agent 的记忆拓扑

多个 agent 协作时，记忆怎么共享和隔离？论文归纳了四种架构：

私有隔离（Private-Only）：每个 agent 的记忆完全独立，互不干扰。隐私保护好，但会产生大量冗余记忆。

共享工作区（Shared-Workspace）：所有 agent 共用一个记忆池，读写权限都有。通信成本低，但容易产生噪声和冲突。MetaGPT 的共享制品池就是这条路线。

混合架构（Hybrid）：既有私有层，也有共享层，由策略决定什么信息放哪里。Collaborative Memory 和 MirrorMind 是代表。

编排架构（Orchestrated）：有一个显式的控制器负责任务分解和记忆访问的中介。ChatDev、MIRIX 属于这类，流程清晰，但控制器本身容易成为瓶颈。

记忆怎么学：三种策略

Agent 怎么建立和改进记忆操作的策略？论文把这部分单独成章。

基于 Prompt（Prompt-Based）：静态或动态 prompt，告诉模型什么时候存、存什么、怎么检索。不需要训练，灵活，但效果上限低。

监督微调（SFT）：通过标注数据训练记忆的参数化、检索质量和稳定性，泛化性更好，但需要数据。

强化学习（RL）：按照奖励信号优化记忆操作策略，可以做步骤级、轨迹级、跨 episode 的学习。论文认为这是最有前景的方向。

MEM1 是 RL 这条路线的代表，一个端到端的框架，让 agent 在有界记忆预算下完成任意长度的交互任务。内存使用接近常数，不随交互轮数线性增长。

Mem-α 也走类似路线。这两个系统指向同一个结论：记忆大小不应该和交互轮数成正比。

记忆在实际场景里怎么用

论文梳理了记忆机制在不同领域的落地方式。我挑几个比较有代表性的：

科研辅助

科研 agent 需要综合大量文献、维护多阶段推理的来龙去脉。IterResearch 用 Markovian 状态重建方案，只保留不断演化的报告和最新结果，避免上下文被历史信息撑爆。MirrorMind 模拟集体智能，从层级化的认知风格库和知识库里检索特定视角。

软件工程

有效的代码 agent 不只是生成代码，还要回忆之前的失败轨迹。MetaGPT 把程序记忆用于开发工作流，把语义记忆用于项目规范。SWE-Bench 的实验显示，记忆机制显著提升了多文件跨 issue 的修复成功率。

对话系统

MemGPT 把 context window 当操作系统来管，在主 context 和外部存储之间做数据调度。更新的 O-Mem 则维护一个三组件的用户画像，从交互中持续提取和更新用户 persona。

机器人与具身智能

Memo 用周期性摘要 token 压缩轨迹信息用于长视野导航，通过 RL 训练。MG-Nav 用地标区域而非稠密点云构建空间记忆图，模拟人类导航的工作方式。记忆在这里充当高层规划与低层控制之间的桥梁。

教育

LOOM 构建学习者记忆图，映射教学概念之间的前置依赖关系。Agent4Edu 直接复现艾宾浩斯遗忘曲线来模拟知识衰减，用于教师培训。这里记忆不只是历史日志，更接近学生的"认知数字孪生"。

怎么评估记忆效果

论文整理了两类 benchmark：用户中心和 agent 中心。

用户中心的 benchmark 里，LongMemEval 比较全面，50K 会话、500 个问题、最长 150 万 token。HaluMem 专注于记忆幻觉，设计了记忆完整性（Memory Integrity, MI）和虚假记忆率（False Memory Rate, FMR）两个专项指标。这是我看到的比较有针对性的评估设计。

Agent 中心方面，SWE-Bench 和 WebArena 是比较常见的基准，前者 2.3K 实例考察代码 patch 解决率，后者 812 个 web 任务考察成功率。OSWorld 包含 369 个多模态 OS 任务，也开始被引用。

论文直接指出了现有 benchmark 的系统性缺陷：几乎所有评估都是重置式的、孤立的、短时程的。它们不考察 agent 是否真的在跨任务积累知识，也不考察长期一致性。这是个真实的评估空白。

六个悬而未决的问题

论文最后列了六个方向，我觉得最有意思的三个：

持续学习与自进化：现在的 agent 在单次任务里还行，但跨任务的知识迁移基本是空白。需要把情节、语义、程序记忆整合进 post-training 流程，而不是靠推理时的启发式策略。

记忆基础设施与效率：论文把进化路径描述为三级，分别是有组织的文本记忆、压缩的隐向量记忆、通过 RL 吸收进模型状态的参数化内化记忆。当前大多数系统停在第一级。

可信记忆与隐私：记忆越强，攻击面越大。记忆投毒、对抗性记忆注入、黑盒提取攻击已经是真实的威胁向量，相关攻击工作在 2024-2025 年间陆续有论文发表。用户对记忆内容的可视、可编辑、可撤销控制，目前几乎没有系统认真做。

我的感受

读这篇综述之前，我对 agent 记忆的理解停留在"加个 RAG 就行"这个层次。读完发现这件事的纵深远超我预期。

光是"工作记忆应该被主动管理而不是被动截断"这一个观点，就足以改变我写 agent prompt 的方式。

程序记忆从 workflow 模板向 RL 训练策略的演进，也让我开始重新思考"agent 技能"到底应该用什么形式存储。

目前这个领域的评估是真正的瓶颈。大家都在孤立的静态 benchmark 上跑分。但真正有价值的 agent 是那种能跨任务积累经验、越用越聪明的。这个特性在现有 benchmark 里基本无法被衡量。在有更好的评估框架出现之前，很多"记忆能力提升"的声称其实很难被认真验证。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

大模型入门到实战全套学习大礼包

1、大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

---

2、大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

3、AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

4、大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

5、大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

适用人群

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】