智能体记忆（Agent Memory）指AI智能体存储、检索和利用信息的能力——让智能体不仅能在当前会话中工作，还能跨会话记住用户的偏好、过去的决策和长期目标。没有记忆的智能体每次对话都"从零开始"，有记忆的智能体才能成为真正的长期协作者。
记忆的三层结构
- 短期记忆：当前会话的上下文（受限于上下文窗口）
- 长期记忆：跨会话持久化的知识（用户偏好、项目历史、经验教训）
- 情景记忆：具体事件和经历的记录（如"上周三帮用户修好了XX"）
技术实现
- 向量数据库（Vector Database）：把记忆编码成向量，按语义相似度检索
- 记忆摘要：对长历史自动压缩总结，控制上下文长度
- 结构化存储：用户画像、任务状态、知识库分开管理
为什么重要
记忆是智能体从"回答问题"升级为"持续办事"的核心。例如：AI助手记住用户的写作风格、项目进展和偏好，才能提供连贯的服务。
相关生态
MCP（模型上下文协议）定义记忆服务接口，向量数据库是记忆的存储底座，记忆管理（何时存、何时取、何时忘）则是当前智能体工程的前沿课题。