Shalini Goyal梳理10类智能体记忆
Shalini Goyal 连发帖子，系统梳理了 AI 工程师应了解的 10 类智能体记忆系统，并把“能记住什么、怎样取回”视为 agent 能力的关键边界。按她的判断，没有记忆的系统更接近高级自动补全，而不是可靠助手；在不少实际场景里，检索能力甚至比单纯做大模型更重要。这组内容值得关注，因为它把一次性回答工具与可持续运行的 agent 系统之间的差异，集中到了记忆层设计上。
已确认
- Goyal 将基础层拆为短期记忆和长期记忆。短期记忆像 agent 的 RAM，保存当前对话、最近动作、即时上下文和临时信息；长期记忆保存用户偏好、历史对话、项目信息和跨会话的持久知识。
- 语义记忆负责事实和概念，适合知识助手、教育系统和研究工具；情景记忆保存过去交互、已完成任务、用户行为模式和工作流历史，让 agent 能从经验中学习。
- 向量记忆把信息转成 embedding，用于相似度搜索、语义检索、RAG 和知识系统；图记忆存储“实体—关系—上下文”，Goyal 认为它更适合多跳推理、更强的上下文理解和智能检索。
- 程序性记忆存放指令、工作流和 agent 行为，也就是“事情该怎么做”，对承载多步骤业务流程的自治 agent 尤为重要。检索记忆则覆盖存信息、取相关上下文、排序结果并生成回答的流程。
- 共享记忆用于多智能体共享上下文、交换信息、协调动作并保持一致；混合记忆则主张把多种记忆组合使用，而不是依赖单一架构。
为什么重要
- Goyal 认为，现代 AI 应用要想跨会话保持上下文、按需检索信息、从交互中学习并持续改进，就需要完整的记忆层。也因此，记忆层是把“一次性回答工具”升级为“真正系统”的关键。eyishazyer 在后续帖子中表达了相近判断，认为没有记忆，agent 很难成为可靠系统。
2026-07-27 ~ 2026-07-27 · 12 条相关
一手来源
- AI 工程师必须了解的 10 种智能体记忆系统 — goyalshaliniuk ·
- 对 AI agent 来说，检索可能比更大模型更重要 — goyalshaliniuk ·
- 混合与共享记忆让多智能体 AI 更一致 — goyalshaliniuk ·
- 【源头】AI 工程师必须了解的 10 种智能体记忆系统 — goyalshaliniuk · 2026-07-27
- AI agent 需要短期记忆维持工作上下文 — goyalshaliniuk · 2026-07-27
- AI 记忆系统：语义记忆管事实，长期记忆存上下文 — goyalshaliniuk · 2026-07-27
- 短期与长期记忆是 AI 助手的基础层 — goyalshaliniuk · 2026-07-27
- 情景记忆和语义记忆分别承载经验与事实知识 — goyalshaliniuk · 2026-07-27
- 向量记忆和情景记忆让 agent 同时具备检索与经验 — goyalshaliniuk · 2026-07-27
- 图记忆与向量记忆构成现代 AI 检索栈 — goyalshaliniuk · 2026-07-27
- 【源头】对 AI agent 来说，检索可能比更大模型更重要 — goyalshaliniuk · 2026-07-27
- 程序性记忆和检索记忆正在成为智能体基础能力 — goyalshaliniuk · 2026-07-27
- 共享记忆让多智能体系统协作并保持一致 — goyalshaliniuk · 2026-07-27
- 【源头】混合与共享记忆让多智能体 AI 更一致 — goyalshaliniuk · 2026-07-27
- AI 智能体要成系统，记忆层是关键 — eyishazyer · 2026-07-27