前言前几期我们已经有了任务、工具和执行循环。Agent 能理解目标也能在环境中行动。但如果它每次都像第一次见到用户、第一次接触任务就很难成为真正可靠的助手。人类做事会记住很多东西这位同事喜欢什么格式这个项目上次做到哪里公司的命名规范是什么某类客户常见问题有哪些。Agent 也需要记忆但不能把所有东西都塞进上下文。记忆设计的关键不是“记得越多越好”而是把不同类型的信息放在正确的位置。这一期我们会区分短期上下文、任务状态、长期记忆、知识库和日志。它们看起来都和“信息”有关但作用完全不同。如果混在一起Agent 要么忘得太快要么记得太乱。第一节 短期上下文当前对话里的工作台短期上下文是 Agent 当前能直接看到的内容。它像一张临时工作台用户刚说的话、当前任务说明、最近工具返回结果、正在编辑的草稿都可以放在上面。短期上下文的好处是直接。模型可以马上使用不需要额外检索。但它也有明显限制容量有限时间越长越容易被挤满内容越杂模型越容易抓错重点。比如用户让 Agent 修改一篇文章。当前文章、修改要求、最近一次反馈就应该放在短期上下文里。因为这些信息马上要用而且和当前任务强相关。但用户半年前说过“我喜欢标题短一点”就不适合每次完整塞进上下文而更适合进入长期偏好。短期上下文的设计重点是保留当前任务最需要的信息及时清理已经不再重要的中间过程。它不是仓库而是工作台。一句话回扣短期上下文解决的是“眼前这件事怎么做”。第二节 长期记忆记偏好不记噪音长期记忆听起来很诱人。很多产品会说“越用越懂你”但真正难的是什么值得记值得记的通常是稳定、可复用、对未来任务有帮助的信息。比如用户喜欢 Markdown 输出常用中文标题汇报对象是产品团队某个项目的命名规范某类报告需要先给结论再给细节。不值得记的是一次性、偶然、容易过期或敏感的信息。比如今天临时说“这次写得活泼一点”不一定代表长期偏好某次任务里出现的客户手机号也不应该随便进入长期记忆。举个写作助手的例子。用户多次要求“不要太营销先讲问题再讲方案”这可以记成偏好。用户某次要求“这篇文章提到周五活动”这只是当前任务信息不应该变成长期记忆。长期记忆还需要可解释。Agent 如果说“我记得你喜欢这种风格”最好能让用户看到它记了什么并能修改或删除。否则记忆会从便利变成不透明的负担。一句话回扣长期记忆不是聊天记录仓库而是稳定偏好的压缩结果。第三节 知识库给 Agent 的资料室知识库和长期记忆容易混淆。长期记忆偏向“关于用户和任务习惯的信息”知识库偏向“可检索的事实资料”。企业文档、产品手册、政策制度、历史报告、FAQ、代码文档都可以进入知识库。Agent 使用知识库时通常不是把全部资料塞进上下文而是根据当前问题检索相关片段再把片段交给模型判断。比如企业客服 Agent 回答退款规则。它不应该凭模型记忆回答也不应该把整本售后手册放进上下文。更合理的方式是根据用户问题检索退款相关条款把命中的条款和来源放进上下文再生成回答。知识库设计有几个关键点。资料要有来源方便追溯片段要切得合适太碎会失去语境太长会浪费上下文检索结果要能被过滤和排序避免把不相关内容塞给模型。知识库的价值不是让 Agent 看起来什么都知道而是让它在回答和行动时有依据。第四节 任务状态让 Agent 知道做到哪了还有一种信息经常被忽视任务状态。任务状态不是知识也不是偏好而是当前任务进度。比如已经完成哪些步骤哪些工具调用成功哪些文件被修改哪些问题待确认下一步准备做什么。如果没有任务状态Agent 很容易重复做事。它可能反复搜索同一关键词重复读取同一文件或者忘记自己已经让用户确认过某个选择。拿竞品报告来说任务状态可以记录竞品列表已确认资料收集完成 4 家还缺 1 家对比字段包括价格、功能、客户类型来源链接已整理结论还未写。这些信息不一定需要长期保存但在当前任务里非常重要。任务状态像项目管理里的看板。它让 Agent 知道自己不是在一段对话里随便接话而是在推进一个有进度的任务。第五节 个性化用记忆服务任务而不是讨好用户个性化不是让 Agent 每句话都显得很懂你。真正有价值的个性化是减少重复说明提高交付贴合度。比如用户长期喜欢“先结论、后分析”的报告结构Agent 下次写报告就可以默认采用这种结构。用户所在公司有固定术语Agent 可以在写文档时自动使用。用户常把内容发给非技术读者Agent 可以少用行话多用例子。但个性化也有边界。Agent 不能因为记住用户偏好就替用户做高风险决定不能因为用户以前说过某种风格就在所有场景套用更不能把敏感信息当成便利功能随便调用。个性化的好标准是用户感觉“它省掉了我重复解释的时间”而不是“它怎么什么都记着”。总结这一期我们讲了 Agent 的记忆体系。短期上下文是当前任务的工作台长期记忆是稳定偏好的压缩结果知识库是可检索的资料室任务状态记录当前做到哪一步日志则用于追踪和复盘。个性化的目标不是讨好用户而是减少重复说明让交付更贴合。一句话总结Agent 的记忆不是越多越好而是该放工作台的放工作台该进资料室的进资料室该长期记住的才长期记住。当任务变复杂一个 Agent 可能不够用。有人负责规划有人负责检索有人负责写作有人负责审查。下一期我们会讲“多 Agent 协作”什么时候需要分工什么时候分工反而会增加复杂度。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁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】