Agent 记忆分类体系：基础 Agent 的记忆机制再思考
原文：Rethinking Memory Mechanisms of Foundation Agents in the Second Half
发表：arXiv 2602.06052
翻译整理：2026-06-16
论文背景
本文由 60+ 位研究者共同撰写，是一篇全面梳理 Agent 记忆机制的综述性工作，重点在于构建统一的分类体系，以便不同研究和系统之间能够在同一框架下进行比较和交流。
核心记忆类型
四种基本记忆类型
| 记忆类型 | 定义 | 对应人类记忆 | 存储内容举例 |
|---|---|---|---|
| 情景记忆 | 具体过去经历的记录 | 你记得上周三做了什么 | 对话历史、任务执行记录、特定事件 |
| 语义记忆 | 通用化、去情景化的知识 | 你知道巴黎是法国首都 | 事实知识、概念定义、领域知识 |
| 程序记忆 | 习得的技能和行为模式 | 你知道怎么骑自行车 | 可复用的工具调用序列、解决特定问题的模板 |
| 工作记忆 | 当前推理的活跃内容 | 你正在心算 23×17 | 当前任务状态、临时变量、推理中间结果 |
关键洞察：这四种记忆类型并非孤立的，优秀的 Agent 系统需要在它们之间建立流畅的转换：
- 情景记忆 → 语义记忆（从具体经历中抽象出通用规律）
- 语义记忆 → 程序记忆（将知识转化为可执行的技能）
存储架构分类
按存储基底分类
内部存储（Internal）：
-
参数记忆（Parametric Memory）：知识编码在模型权重中，是模型训练时学到的知识
- 优势：无需外部查询，推理时自然可用
- 劣势：无法审计、无法定点删除、更新需要重新训练
-
上下文记忆（Context Memory）：存在于当前上下文窗口的信息
- 优势：即时可用，无检索延迟
- 劣势：会话结束即消失，容量严格受限
外部存储（External）：
-
向量存储：通过嵌入向量进行语义搜索
- 适合：非结构化文本、模糊匹配场景
- 代价：丢失精确结构信息
-
结构化存储：SQL 数据库、知识图谱
- 适合：需要精确查询、关系推理的场景
- 代价：需要结构化的写入格式
-
混合检索系统：结合向量搜索和结构化查询
- 适合：既需要语义搜索又需要精确过滤的生产场景
多 Agent 记忆共享
这是本文的重要贡献之一——专门讨论多 Agent 系统中的记忆共享问题。
记忆共享的必要性
当多个 Agent 协作完成任务时，它们需要共享部分上下文和知识：
- Agent A 发现的信息应该对 Agent B 可见
- 避免多个 Agent 重复执行相同的检索或计算
- 保持整个 Agent 系统对世界状态的一致认知
共享机制模式
共享工作空间：所有 Agent 可读写一个公共记忆池
- 优点：信息共享自然
- 风险：写冲突、信息污染
通信协议式共享：Agent 间通过消息传递交换记忆片段
- 优点：受控、可审计
- 复杂度：需要设计消息格式和路由策略
共识机制：多 Agent 辩论（Multi-Agent Debate）中的知识整合
- 应用：让多个 Agent 对同一问题给出独立判断，通过辩论收敛到更可靠的结论
跨 Agent 知识集成：
- Agent 完成子任务后，将产生的知识以结构化形式写入共享存储
- 其他 Agent 可以检索并构建在此知识之上
应用场景覆盖
论文考察了记忆机制在多个领域的应用：
| 应用领域 | 记忆挑战 | 关键需求 |
|---|---|---|
| 对话系统 | 跨会话的对话连续性 | 情景记忆 + 长期用户画像 |
| 长期任务规划 | 多步骤中间状态管理 | 工作记忆 + 程序记忆 |
| 工具使用 | 哪些工具在什么情况下有效 | 程序记忆 |
| 视频理解 | 时序信息的记忆与检索 | 带时间戳的情景记忆 |
| 科学推理 | 大量领域知识 + 不确定性 | 语义记忆 + 置信度标注 |
核心设计原则
原则 1：记忆类型与任务需求匹配
不同任务对记忆类型的依赖程度不同：
- 需要个性化的任务 → 重点投入情景记忆
- 需要专业知识的任务 → 重点投入语义记忆
- 需要重复执行操作的任务 → 重点投入程序记忆
原则 2：内外部记忆各有其位
参数记忆（权重）提供无缝集成，但难以更新和审计。
外部存储提供可控性和可解释性，但有检索延迟和「拼接感」。
不要试图只用其中一种，而是设计清晰的分工。
原则 3：写入质量决定记忆价值
记忆系统的价值上限由写入质量决定。
- 冗余写入 → 检索噪声增加
- 格式不统一 → 检索难度增加
- 无优先级写入 → 重要信息被淹没
投入写入管理（过滤、规范化、去重、优先级）的回报往往高于优化检索算法。
与其他综述的关联
本文（2602.06052）与 2603.07670 综述互补：
- 本文侧重分类体系的建立（什么是什么）
- 2603.07670 侧重机制的工程分析（怎么做、有什么风险）
两篇结合阅读，能建立对 Agent 记忆系统最完整的理解。