Memory 生命周期

先定义记忆要改善什么决策

“提高个性化”不是可验收目标。应明确决策、受益对象和坏结果，例如：减少用户重复提供项目约束；让跨会话任务恢复未完成事项；在重复故障中优先检查曾被验证的根因。每个目标都应有无 Memory 基线，否则 Memory 命中率再高也不能证明有业务价值。

有些信息不应成为 Memory：实时余额由业务系统读取；一次情绪表达不能自动升级为长期偏好；模型推测的身份和健康信息不应在无确认时持久化；完整聊天归档属于记录，不等于已提炼 Memory。

按用途区分记忆类型

认知科学术语只能帮助提出问题，不能直接决定数据库表。工程分类的价值在于让不同信息采用不同写入、召回、验证和遗忘策略。MemGPT 用操作系统式分层 Memory 探索有限 Context 之外的信息移动，但这是一种架构思路，不是生产存储治理规范。

工作记忆

当前 Run 的事实、计划、局部变量和未完成项，生命周期最短，通常属于 Runtime State。它需要精确恢复和并发控制，不适合只做相似度搜索。

情景记忆

记录“在什么条件下发生了什么，结果如何”。一条可用的情景包含时间、参与对象、环境版本、动作、观察和结果。只有一句“上次修好了”无法迁移，因为缺少适用条件与证据。Generative Agents 展示了从观察记录中按相关性、时效和重要性召回并生成更高层反思的架构，但其“行为可信度”实验不等于企业事实正确性证明。

语义记忆

跨事件提炼出的较稳定事实或偏好，例如用户确认的语言偏好。它不是事件的简单摘要，需要合并重复证据、保留反例和置信来源。

程序性记忆

经过验证的操作策略、Playbook、Prompt/Skill 引用或失败规避规则。它必须绑定工具、模型、环境和版本；未经回归就把一次成功轨迹升级为全局程序性规则，会把偶然行为制度化。

写入要经过价值、真实性和权限判断

写入流水线至少做四次判定：未来是否复用；信息是事实、偏好、推断还是模型猜测；主体是否允许保存；影响等级是否要求确认。高影响 Memory（健康、身份、授权、安全规则）不应依赖模型一次抽取自动生效。

// 可执行的 Schema 示例；真实系统仍需数据库约束和服务端鉴权
type MemoryRecord = {
  id: string
  tenantId: string
  subjectId: string
  kind: 'episodic' | 'semantic' | 'procedural'
  statement: string
  factStatus: 'observed' | 'user-confirmed' | 'inferred'
  sourceRefs: string[]
  confidence: number
  validFrom: string
  expiresAt?: string
  supersedes?: string[]
  policy: { sensitivity: 'normal' | 'sensitive'; requiresConfirmation: boolean }
}

function eligible(record: MemoryRecord) {
  if (!record.sourceRefs.length) return false
  if (record.factStatus === 'inferred' && record.policy.requiresConfirmation) return false
  return record.confidence >= 0.75
}

LangGraph 的 Memory 文档把写入区分为热路径与后台路径。热路径可以立即生效，但增加响应延迟并把写入决策暴露在同一轮模型错误中；后台提炼降低交互延迟、可跨多次事件整合，却存在生效延迟。默认建议：高价值且用户明确确认的信息同步写入；模式归纳与去重在后台完成；两者都通过同一权限和 Schema 门禁。

从事件到稳定记忆需要整合

整合不是压缩字数，而是建立证据关系。重复事件可以提高置信，反例可以缩小适用条件，新事实可以替代旧事实。保留 derivedFrom 与 supersedes，让系统能够解释一条语义 Memory 为什么成立，并在源记录删除时重新计算。

把自然语言摘要覆盖写入同一个字段，会丢失变化历史并放大漂移。Profile 适合少量稳定字段，集合式 Memory 适合多条可独立检索事件；两者应分别测试合并冲突和召回噪声。

召回后仍需判断能否使用

Memory 搜索不是“Top-K 语义相似度”。先按租户、主体、Memory 类型、有效期和敏感策略过滤，再综合语义相关性、时效、重要度、置信和多样性排序。相似结果应去重，冲突结果成组返回，而不是只保留分数最高的一条。

进入 Context 时标明“这是历史派生 Memory，不是实时业务事实”。如果 Memory 会触发副作用，例如自动选择收货地址，应重新询问或读取权威系统。模型可以使用 Memory 形成建议，但服务端策略决定它能否影响动作。

遗忘与纠错是核心能力

时效衰减与过期。衰减不等于物理删除。它降低默认召回权重，适合可能随时间变化的偏好；安全规则和已确认过敏信息不能仅因时间自动降低，应由明确来源更新。

替代关系。新事实替代旧事实时，旧版本停止生效但保留审计边。查询默认只取当前版本，事故调查可沿关系回溯。

删除传播。删除不仅清除文本，还包括 Embedding、索引项、缓存、派生 Profile、后台任务输入和可能的 Eval 副本。使用 Tombstone 防止异步重建把已删记录重新写回。

错误经验的隔离。一次错误修复被写入程序性 Memory 后，可能跨会话持续伤害。发现后应立即停用、标记失败证据、定位所有派生规则并回归相关任务，而不是在末尾加一句“谨慎使用”。

评估“有记忆”是否比“无记忆”更好

离线测试至少包含应记、可记、不应记、已过期、相互冲突和已删除样本；分别测写入 Precision/Recall、召回正确率、冲突识别、删除有效性和敏感信息违规。端到端再比较无 Memory、原始历史、受治理 Memory 三种系统的任务成功、用户重复输入、错误影响和成本。

长期评测需要时间轴：先写入偏好，再改变偏好；先记录成功经验，再升级工具版本；删除后触发索引重建。只在同一轮对话问“你记得吗”无法覆盖漂移和纠错。