最近一直在折腾 Agent 项目的记忆模块，发现团队内部对"记忆"的理解居然能差出十万八千里。有人觉得把聊天记录存数据库就算记忆，有人坚持必须上向量库，还有人张口闭口"长短期记忆网络"。正好这段时间密集对比了阿里、腾讯、字节这三家对外公开的 Agent 记忆方案，踩了不少坑，也摸清了一些门道，写出来给同样在做 Agent 开发的朋友做个参考。

先说结论：这三家的方案没有绝对的好坏，核心区别在记忆的建模粒度和召回策略上。阿里的方案偏"结构化业务记忆"，腾讯的偏"轻量会话记忆"，字节的则铁了心走"语义向量记忆"路线。下面逐个拆开聊。

1. 为什么 Agent 的记忆成为核心问题

1.1 记忆在 Agent 架构中的位置

一个真正能用的 Agent，底层逻辑其实就四件事：感知、规划、行动、记忆。前三件事各家做得都差不多，模型能力决定上限，工具调用决定下限，真正的差距全在记忆上。没有记忆的 Agent 是个"金鱼脑子"，上一轮对话刚结束，下一轮它就忘了你叫什么、刚才让它处理到哪一步、文档里哪个字段是关键。

我实测过最典型的场景：让 Agent 连续处理一份合同，先让它提取关键条款，再让它对比模板差异，最后让它生成修订意见。如果每一步都当作全新对话，前两步的结果它全不记得，第三步的输出基本就是重新读一遍文档，既浪费 Token 又容易出错。加了记忆模块之后，中间结果直接复用，整个流程的响应速度能提升 30% 以上，输出质量也更稳定。

从架构上看，记忆模块夹在 LLM 和业务逻辑中间，扮演的是"状态层"的角色。它决定了 Agent 能不能在多轮、多任务、跨会话的场景下保持一致性。这也是为什么各家大厂宁可牺牲一点响应速度，也要把记忆模块做重。

1.2 三层记忆结构：短期、长期、工作记忆

行业内比较统一的划分方式是三层结构，这也是热词里"双网络记忆模型"的底层逻辑来源：

• 短期记忆（Short-term Memory）：本质上就是 LLM 的上下文窗口（Context Window），模型能在本次请求内看到的所有内容都算短期记忆。特点是快、但容量有限，而且请求一结束就没了。
• 长期记忆（Long-term Memory）：持久化存储的各类知识、用户偏好、历史事实，放在向量数据库、图数据库或普通数据库里。特点是容量大、可跨会话复用，但需要做召回（Retrieval）才能进入上下文。
• 工作记忆（Working Memory）：当前任务执行过程中的临时状态，比如已经执行到子任务第几步、某个中间变量的值、步骤间的依赖关系。工作记忆通常在 Agent 的编排层（Orchestration Layer）维护，任务结束可以丢弃，也可以沉淀到长期记忆。

这三层对应到具体实现上，就是三类存储：上下文窗口管短期，向量库/键值库管长期，执行器状态机管工作记忆。任何一家的方案，本质上都是在给这三层做不同的编排和调度策略。

2. 三套方案的整体设计与设计思路

2.1 阿里：业务链路驱动的结构化沉淀

阿里这套方案给我最大的感受是重业务。它的记忆模块不是单纯做"聊天记录归档"，而是把记忆拆成业务实体、业务关系、业务状态三个维度。比如客服场景，实体是用户、订单、商品；关系是"用户 A 下单了订单 B，订单 B 包含商品 C"；状态是"订单 B 当前在退款流程中"。

这套设计的聪明之处在于，它把记忆从"自然语言片段"提升到了"结构化业务数据"的层面。Agent 在跑业务的时候，记忆不仅仅是给它提供参考背景，而是直接参与决策逻辑。比如用户说"上次那个订单怎么样了"，Agent 不用全文检索历史对话，而是直接查结构化状态，几毫秒就能拿到结果，且回答准确率极高。

实现上，阿里偏向用一套轻量的业务记忆框架，结合规则引擎做实体抽取和关系维护。记忆的写入不是靠模型每次对话完自动总结，而是靠业务动作触发——用户下单写一条、退款状态变更更新一条、工单关闭归档一条。这样一来，记忆的时效性和准确性都有保障，不会出现"模型总结出一堆废话存进去"的问题。

2.2 腾讯：以会话为中心的轻量键值记忆

腾讯的思路走的是另一个极端——轻、快、好接入。它的记忆模块核心是一个带 TTL（生存时间）的键值存储，外加一个会话级的临时存储区。键就是会话 ID 或用户 ID，值可以是字符串、JSON、甚至嵌套对象，读取的时候按 key 直接取，压根不做向量召回。

这套方案对于"轻量个性化"场景非常友好。比如你让 Agent 记住"用户所在城市是杭州"、"用户偏好简洁风格"、"用户上次登录时间是昨天"，直接 set 进去就完事。读取的时候按需取出来塞进 Prompt，简单直接，几乎没有额外延迟。

但它的短板也很明显：不擅长处理模糊的、语义化的记忆。用户说"我记得上次有个文件里面提到过预算的事"，如果当时没把"预算"这个关键词显式写进键值里，这套方案基本召回不出来。腾讯内部对这套记忆的定位也是"辅助上下文"，而不是"核心决策依据"，适合绝大多数轻量交互场景，但不适合重度知识密集型任务。

2.3 字节：向量化语义记忆的坚定路线

字节的方案是三家里最"潮"的，核心就是一切皆向量。对话记录、用户偏好、任务约束、外部文档，全部切块、Embedding、进向量库。召回的时候用余弦相似度或者点积相似度，找出语义最接近的 top-k 片段，拼进上下文。

这套方案的优势在"召回能力"上确实是碾压级的。用户用口语化的方式提需求，哪怕表达方式和当初写入时的文本完全不一样，语义向量也能兜住。比如用户当初存的是"我比较喜欢偏暖色调的设计"，后面问"UI 风格能不能柔和一点"，向量召回能把这两条关联起来。这在腾讯的键值方案里就很难做到。

字节的注意力花了很多在记忆的写入侧上。它会对原始文本做清洗、去噪、话题聚类，聚完类的话题才作为一条记忆写入向量库，每条记忆还附带置信度分数和时间戳。这个设计直接呼应了热词里的"记忆=score+时间半衰期"思路——记忆不是永不过期的，分数会随时间衰减，旧记忆会被逐渐降权，避免长期运行之后记忆库被陈年旧事污染。

3. 核心机制逐项拆解：写入、召回、更新、遗忘

3.1 记忆的写入策略：谁来决定"这值得记"

三家方案在写入策略上的差异，直接影响记忆库的数据质量。阿里的方案靠业务事件驱动，写入的是高度结构化的数据；字节的方案靠模型驱动，对话结束后异步做一轮总结、聚类、Embedding；腾讯的方案最简单，开发者自己决定什么时候 set。

我的建议是混合策略最靠谱。用阿里那种"业务事件驱动"的方式保证核心状态准确，叠加字节那种"异步总结"的方式捕获非结构化的用户偏好，最后用腾讯的键值存储放高频访问的临时配置。三个写入通道各自负责一类记忆，互不干扰。

实操里，异步总结有一个必须注意的点：一定要做去重和合并。我把同一段对话跑了两遍，第一遍和第三遍的总结结果有 60% 的内容是重复的，如果直接都写进记忆库，召回的时候会返回大量冗余片段，白白吃掉上下文窗口。

3.2 召回策略：向量相似度之外的事

召回是整个记忆链路里最影响体验的一环。很多人以为向量召回 top-k 就完事了，实际上纯向量召回在真实业务里表现并不好。我跑过一组对比实验，纯向量召回在"用户明确提到某个实体词"的场景下，准确率反而比关键词召回低——因为向量把实体名的语义信息稀释了。

现在业内普遍的做法是混合召回：关键词（BM25）召回一路，向量相似度召回一路，两路结果用 RRF（Reciprocal Rank Fusion）做分数融合，取融合后的 top-k。三家里面字节其实最接近这个思路，它虽然主打向量，但也内置了轻量的关键词索引做补充。

召回还有一个细节是带时间衰减的重排。召回结果不能只看相似度，排序的时候要乘一个时间衰减因子。一条三个月前的记忆和一条昨天的记忆，哪怕向量相似度一样，在排序上也要拉开差距。具体做法我参照热词里的思路，给每条记忆维护一个 score，召回到候选集后按 `score * (0.5 ^ (age / half_life))` 重排，half_life 设成 7 天左右，实测效果比较稳。

3.3 上下文管理：Token 的硬约束

记忆召回结果的拼接方式直接决定 Token 消耗和模型理解质量。这里有个非常反直觉的结论：召回结果不是越多越好，拼接位置也不是越靠前越好。

我最初的做法是把召回的记忆全部一股脑塞进 System Prompt，结果模型经常把历史记忆当成交代任务来执行，或者被不相关的记忆带偏。后来改成这套策略：系统提示词只保留角色设定和硬性规则，记忆内容单独放在一个"已知信息"的 sections 里，并且每条记忆用`[记忆时间: 2025-03-12] 记忆内容...` 这种格式加时间戳前缀，效果立刻好了很多。

各家其实都在做类似的事，核心逻辑就是把"记忆"和"指令"在 Prompt 层面拆开。阿里做的更细，它会把记忆按业务维度分桶，只把当前场景关联的实体和状态拼接进 Prompt，其他的一概不塞。这个"场景过滤"思路非常值得抄，能省一半的 Token。

3.4 记忆的持久化与迁移：跨账号、跨设备的灵魂拷问

热词里那条"workbuddy 换账号如何获得原来账号的记忆"非常真实。记忆的持久化看起来简单——存库就行——但一旦涉及账号切换、设备迁移，问题就全冒出来了。核心难点在于记忆的序列化格式和身份映射。

我在实际项目里定的规范是：记忆库底层全部按 `user_id + namespace` 分片存储，导出的时候打包成 JSON Lines 格式，每条记录带版本号、时间戳、记忆类型。换账号的时候，如果新旧账号在系统里有绑定关系（比如手机号绑定），直接触发一次记忆迁移任务；如果没有绑定，就只能靠用户手动导入导出文件。参考 yicat 那类记忆库文件的做法，导出文件命名统一带上用户标识和版本，避免迁移的时候覆盖错账户。

我踩过的坑是：字节那套向量化记忆导出的时候，向量数据本身是几百维的浮点数组，文件极大，而且换了 Embedding 模型之后向量全废。后来我们迁移的时候干脆只导出原始文本和元数据，到新环境重新 Embedding。这个"重新向量化"的过程要多花几分钟，但胜在干净可靠。

4. 选型建议与实战经验

4.1 不同业务场景下的选型参考

说到底，选哪家的思路，取决于你的 Agent 到底是干什么用的。我把常见场景和推荐方案列了个表，方便直接套：

这张表后面是血泪教训换来的。最开始我做客服 Agent 的时候一股脑上了纯向量记忆，结果用户说"我上次那个订单"——向量召回把"上次"和"订单"这俩词分别匹配到了不同的历史对话，压根没关联起来，回答直接翻车。后来才明白，业务状态类的问题，结构化方案才是正解。

4.2 我在实际落地中踩过的坑

坑一：记忆写入风暴。有段时间给 Agent 接了流式对话，每轮对话结束都触发一次异步记忆总结，结果高峰期并发一上来，总结任务堆积，数据库写入负载直接飙红。后来加了两个限制：一是做了写入去抖（短期内相同内容的记忆不重复写），二是把总结任务改成批量处理，攒够 N 条对话才触发一次总结任务。

坑二：记忆召回噪音。向量召回有个天然问题，相似度最高不代表相关。我遇到过用户问"推荐一部电影"，结果召回回来一堆"这部电影很好看"之类的影评——语义上确实像，但根本不是记忆，是垃圾。后来加了实体校验环节，召回结果先做 NER 抽取，抽取出来的实体和当前问题实体有重叠才保留，噪音立刻降了一半。

关于"ai agent 怎么扛并发"这个热词，我的理解是记忆模块的并发瓶颈几乎都在写入侧和召回侧。写入侧用队列削峰，召回侧用缓存——高频访问的记忆片段（比如用户 id → 用户偏好）直接放 Redis，命中率能到 80%，向量库的 QPS 压力能降一个量级。

5. 常见故障与排查技巧速查

排查工具方面，我现在最依赖的还是"日志三件套"：写入日志、召回日志、Prompt 日志。每次对话都记录最终拼进去的召回片段，出了问题能直接回放，看是哪条记忆把模型带偏了。

注意：不要一上来就怀疑模型能力。在我接手的项目里，70% 的记忆类问题出在写入侧——不是没记，而是记了不该记的、或者记了没去重。

还有个小技巧：给记忆模块做一套可视化的管理后台。看起来重，但排查问题非常管用——直接把当前用户的所有记忆列出来，啥问题一目了然。我们内部叫它"记忆检查员"，每次 Agent 表现异常，先打开后台看它脑子里装的什么，基本就定位了八成的问题。

6. 最后分享一点个人体会

做了这么久的 Agent 记忆方案，我最大的感触是记忆架构没有银弹，只有取舍。跑业务链路重的场景，你就得放弃纯向量的浪漫，老老实实做结构化状态管理；做泛知识类的场景，就得接受召回噪音，用重排和过滤去补救。

如果非要说有什么放之四海皆准的经验，那就是：记忆方案设计的第一件事，永远不是选数据库，而是定义"你的 Agent 到底要记住什么、忘掉什么"。这个定义想清楚了，后面的一切——选型、写库、召回、衰减——都是顺理成章的事。定义没想清楚，哪怕把阿里、腾讯、字节的方案整套搬过来，照样跑不出效果。