一、引言为什么智能体需要长期记忆大语言模型驱动的 AI 智能体正在从一问一答的工具演变为持续陪伴的助手。然而LLM 本身是无状态的——每次对话结束后模型不会保留任何关于用户的认知。这带来了一个根本性矛盾用户期望智能体像人一样积累对彼此关系的理解但模型每次启动都是一张白纸。长期记忆Long-Term Memory正是解决这一矛盾的关键技术。它使智能体能够跨会话记住用户偏好无需用户反复说明自己的需求积累事实知识将对话中提取的关键信息持久化存储个性化响应基于历史交互调整回答策略上下文连续性在多轮、多会话场景中保持连贯的对话体验AgentScope Java 2.0通过统一的 LongTermMemory 接口和三种开箱即用的实现为 Java 开发者提供了一套生产级的长期记忆解决方案。二、核心抽象LongTermMemory 接口2.1 设计哲学AgentScope 2.0 将长期记忆抽象为统一接口 io.agentscope.core.memory.LongTermMemory遵循以下设计原则原则说明接口统一所有记忆后端实现同一接口上层 Agent 代码无需感知底层差异即插即用通过 Builder 模式一行代码挂载切换实现只需更换初始化参数模式可配支持仅记录、“仅检索”、记录检索三种工作模式对 Agent 透明各实现仅在初始化参数和过滤模型上有差异Agent 侧完全无感2.2 工作模式LongTermMemoryMode 枚举定义了记忆的工作模式模式行为适用场景RECORD仅将对话内容写入记忆存储后台异步积累不影响响应延迟RETRIEVE仅从记忆存储中检索相关内容注入上下文只读场景如知识问答BOTH同时记录与检索完整的长期记忆体验2.3 接入方式ReActAgentagentReActAgent.builder().name(Assistant).model(model).longTermMemory(memory)// 任选一种实现.longTermMemoryMode(LongTermMemoryMode.BOTH)// 同时记录与检索.build();这种设计使得记忆后端的选择成为一个配置决策而非架构决策极大地降低了切换成本。三、三种记忆实现详解AgentScope 2.0 在 agentscope-extensions-* 仓库下提供了三种主流记忆服务的对接实现3.1 Mem0 — 通用语义记忆后端Mem0 平台 / 自托管核心特性✅ 通用语义记忆存储与检索✅ 多租户隔离支持按用户/组织维度隔离记忆空间✅ 自定义 metadata 过滤按业务维度切分记忆如按项目、按角色、按时间范围✅ 支持本地 Docker 一键部署适合场景需要按业务维度灵活过滤记忆的多租户 SaaS 应用希望本地快速验证的开发者对记忆粒度有精细控制需求的场景典型架构Agent → LongTermMemory 接口 → Mem0 Client → Mem0 ServerDocker / 云平台 ↓ 向量数据库 元数据存储3.2 百炼记忆Bailian Memory— 云上托管记忆**后端**阿里云百炼记忆服务核心特性✅云上全托管无需自建基础设施开箱即用✅高级处理能力Rerank对检索结果进行重排序提升相关性Judge智能判断记忆是否应被更新或合并Rewrite自动改写和优化记忆内容✅ 与阿里云通义生态深度集成✅ 企业级 SLA 保障适合场景已在阿里云百炼平台上构建了记忆库的团队对运维成本敏感、希望全托管的企业需要高级记忆处理能力去重、合并、改写的场景差异化优势百炼记忆的 Rerank/Judge/Rewrite 能力是其独特优势。在实际生产中用户可能在不同会话中表达相似的偏好如我喜欢简洁的回答和回答不要太啰嗦百炼记忆能够自动识别并合并这些语义重复的记忆条目避免记忆膨胀。3.3 ReMe — 工作区级轨迹记忆后端自托管 ReMe 服务核心特性✅工作区级别记忆以工作区Workspace为记忆边界✅轨迹Trajectory摘要对整个会话轨迹进行摘要而非逐条存储✅ 自托管部署数据完全可控✅ 支持本地 Docker 快速启动适合场景关注会话整体脉络而非细粒度记忆的场景编程助手、项目管理等需要理解工作上下文的场景对数据主权有严格要求的企业自托管轨迹摘要 vs 逐条记忆维度逐条记忆Mem0/Bailian轨迹摘要ReMe存储粒度单条事实/偏好整段会话的摘要检索方式语义相似度匹配 摘要级别的上下文召回信息密度高精确到具体事实中保留关键脉络存储开销随对话量线性增长相对恒定每个轨迹一条摘要适合场景个性化助手项目级工作记忆四、选型决策指南4.1 快速决策矩阵决策因素Mem0百炼记忆ReMe部署方式Docker 自托管 / 云平台阿里云全托管Docker 自托管上手难度⭐⭐ 低⭐ 极低⭐⭐ 低多租户支持✅ 原生支持✅ 支持⚠️ 按工作区隔离Metadata 过滤✅ 强✅ 支持⚠️ 有限高级处理Rerank/Judge/Rewrite❌✅❌轨迹摘要❌❌✅数据主权✅ 自托管可选⚠️ 云端✅ 完全自托管运维成本中低中4.2 场景化推荐想要本地一把 docker run 跑起来 → Mem0 或 ReMe 已经在阿里云百炼上有记忆库 → Bailian百炼记忆 需要 metadata 过滤按业务维度切分 → Mem0 关注会话轨迹整体摘要 → ReMe五、架构设计模式5.1 记忆在 Agent 生命周期中的位置┌─────────────────────────────────────────────────────────┐ │ ReActAgent │ │ │ │ ┌──────────┐ ┌──────────────┐ ┌──────────────┐ │ │ │ Model │ │ LongTerm │ │ Tools │ │ │ │(LLM调用) │ │ Memory │ │ (工具调用) │ │ │ └────┬─────┘ └──────┬───────┘ └──────┬───────┘ │ │ │ │ │ │ │ ▼ ▼ ▼ │ │ ┌─────────────────────────────────────────────────┐ │ │ │ Agent 推理循环 │ │ │ │ 1. 检索相关记忆 → 注入 System Prompt │ │ │ │ 2. LLM 推理 工具调用 │ │ │ │ 3. 生成回复 │ │ │ │ 4. 提取新记忆 → 写入存储 │ │ │ └─────────────────────────────────────────────────┘ │ └─────────────────────────────────────────────────────────┘5.2 记忆与状态存储的关系需要注意的是长期记忆Long-Term Memory与Agent 状态存储Agent State Store是两个不同层次的概念维度长期记忆状态存储目的跨会话语义知识积累会话状态持久化与恢复内容用户偏好、事实、要点对话历史、工作区文件、沙箱快照生命周期长期跨会话、跨天会话级别可恢复接口LongTermMemoryDistributedStore后端Mem0 / Bailian / ReMeRedis / MySQL / OSS两者互补状态存储保证 Agent 崩溃后可恢复长期记忆保证 Agent 重启后仍认识用户。六、生产实践建议6.1 记忆质量管理去重与合并定期清理语义重复的记忆条目百炼记忆的 Judge/Rewrite 可自动处理时效性管理为用户偏好设置过期策略避免过时信息干扰冲突解决当新记忆与旧记忆矛盾时优先采信时间更近的记忆6.2 性能优化异步写入记忆写入不应阻塞主对话流程建议使用 RECORD 模式配合异步队列检索缓存对高频检索的记忆进行本地缓存批量处理会话结束时批量提取记忆而非每轮对话都触发6.3 安全与隐私数据隔离多租户场景下务必启用 metadata 过滤Mem0或工作区隔离ReMe敏感信息过滤在记忆写入前过滤身份证号、银行卡号等敏感信息合规审计记录记忆的写入时间和来源满足数据合规要求七、总结AgentScope Java 2.0 的长期记忆集成方案体现了统一接口、多元实现、按需选择的设计智慧一个接口统一所有LongTermMemory 接口屏蔽了底层差异Agent 开发者无需关心实现细节三种实现覆盖主流场景Mem0灵活过滤、百炼托管高级处理、ReMe轨迹摘要零侵入切换更换记忆后端只需修改初始化代码Agent 逻辑完全不变生产就绪从本地 Docker 到云端托管从个人助手到企业多租户全场景覆盖对于正在构建个性化 AI 助手的 Java 团队长期记忆是从工具到伙伴的关键一步。AgentScope 2.0 的记忆集成生态为这一步提供了坚实的技术基座。