在本文中，您将通过逐个类别的信息来了解如何为 AI 代理选择合适的记忆策略，使用一个简单的决策树。我们将涵盖的话题包括：四种类型的代理记忆——工作记忆、语义记忆、情节记忆和程序记忆，以及每种记忆假设所包含信息的不同。一个五个问题的决策树，用于分类给定信息类别的实际需要，以及这些答案如何组合成一个完整的记忆架构。实现代理记忆后常见的陷阱，以及如何解决这些问题。让我们开始吧。引言记忆是 AI 代理的定义性能力之一，但它往往被当作事后考虑。有些代理忘记了用户期望它们记住的信息，而另一些则被赋予了它们实际上不需要的复杂记忆基础设施。这两者通常源自同一个未解答的设计问题：不同类型的信息应该存在多久，以及它们应该如何被检索？代理记忆策略应该像编排一样进行深思熟虑的设计。然而，与编排模式不同的是，代理记忆很少是单一的架构选择。当前的对话、用户的明确偏好、过去的互动历史和学习到的例程是不同的信息类别，每种类别倾向于需要不同类型的记忆。重要的问题不是代理应该使用哪个记忆系统，而是每个信息类别实际需要哪个层次。本文涵盖：区分工作记忆、语义记忆、情节记忆和程序记忆的核心记忆概念用于分类给定信息类别需要的五个问题的决策树这些分类如何组合成代理实际拥有的分层记忆设置一旦记忆被实现和使用，出现的陷阱我们首先要开始的是，这种分类为何重要。为什么选择 AI 代理记忆策略很重要？在进行决策树分析之前，明确每个记忆层假设的信息内容是很重要的。工作记忆基于这样一个观点：现在一切相关的信息都存在于当前的对话中，并受限于有限的令牌预算，削减或总结旧的对话并不会无声地删除代理仍需的信息。语义记忆假设某些信息是足够稳定和可重复使用的，以至于存储一个规范表示比反复推断、重新询问或再处理它更有价值。这包括有关用户的持久性事实，例如姓名、角色和首选语言；领域知识，例如业务规则和产品规格；以及从重复交互中提炼出的概括知识。情节记忆建立在过去发生过的事情的历史本身也有价值的期望之上，而不仅仅是当前状态：一个记录过去决策、投诉或交易的记录，应该为下次互动提供信息。程序记忆假设重复解决相同类型的任务应该使代理在下次尝试时更快或更可靠，而不仅仅是留下过去尝试的抄本。这四个层次回答了关于信息的不同问题，这就是为什么大多数生产代理依赖于多个层次的原因。例如，一个客户支持代理可能在工作记忆中保留当前票务，在语义记忆中保留客户的订阅级别，在情节记忆中保留过去的投诉，在程序记忆中保留一个学习的退款处理例程。每个层次都有其独特的目的。当信息存储在错误的层次时，就会出现问题。对属于结构化档案的稳定事实使用向量存储会使检索变得更慢、更不可靠，而搜索整个互动历史可能会显示过时或相互矛盾的信息，这些信息一个结构化记录本可以覆盖。为了有效的上下文工程，记忆只是一个在有限上下文窗口中竞争的上下文来源，因此只有在信息显著改善代理的响应时才应该被检索。选择合适的 AI 代理记忆策略的决策树该树有五个分支问题，每个问题根据具体属性缩小特定信息类别的需求。每个类别独立运行树一次，而不是为整个代理运行一次。支持代理的“当前票务”、“账户详情”和“投诉历史”是三个单独的类别，每个类别可以落在树的不同位置。问题1：这个信息需要在当前轮次之外持续存在吗？这个问题将真正需要记忆的信息与表面上看起来需要记忆的信息区分开来。自包含，不需要延续：一次性分类请求的措辞，仅用于回答当前问题的工具调用的中间输出需要延续，需要记忆：在这次对话中支持代理已经解决了哪些问题，