为什么没有记忆的AI代理只是昂贵的计算器：构建持久记忆

Cloud.ru 的 Evolution AI Agents 产品技术负责人 Vladislav Yankovsky 探讨了如何为 AI 智能体构建持久化记忆。他指出，记忆本身并非目的，而是源于功能需求：如果智能体能够在会话之间无需记忆即可工作，那么就不需要记忆。他举例说明，针对 Grafana 的智能体不需要记忆，而 L2 支持智能体则必须依赖记忆。他区分了上下文（位于模型窗口内）和记忆（位于模型之外），并提出了记忆的两个维度：生命周期（短期记忆、工作记忆、长期记忆）和内容类型（语义记忆、情景记忆、程序性记忆）。在 80% 的情况下，结合短期记忆和长期语义记忆就足够了。他描述了记忆的层级：第 0 层——仅存储对话历史，但由于重复和缺乏整合而存在不足；第 1 层——使用 pgvector、Qdrant、Milvus、Pinecone 进行向量检索；第 2 层——借助 SQL 和图结构（如 Graphiti）实现结构化记忆。一个关键错误是保存原始对话内容，正确做法是提取事实并维护包含原始数据和提取数据的双层模型。