Agent 记忆用文件就够了
PawelHuryn · x · 2026-07-19
这条帖子给出一个面向 agent 的“4 种记忆”实用拆分：
- 工作记忆：当前上下文窗口和运行时状态，不是单独建设的系统，而是通过管理来控制。
- 语义记忆：策略、规则、原则、示例等事实知识，建议放在 Markdown 文件 + index 里，版本化管理，任务前读取。
- 情景记忆：过去运行、决策和结果，作者用 CSV 表格记录，需要筛选或统计时再查询。
- 程序性记忆：可复用步骤与技能，按触发器加载的“文件化技能”。
作者的结论是：很多 agent 场景下，markdown 文件 + 一个 CSV + 上下文窗口 就够了，通常不需要向量数据库、embedding 或服务端；所谓 vector store 更像是超大规模企业检索场景，graph database 也常被“链接起来的 markdown”替代。系统还能通过 agent 把经验持续写回文件，形成迭代。
「编程与Agent」频道最新
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11
- Codex 用户实测：Sol 搭配 Astra/Luna 子代理更省额度 — pvncher · 2026-09-11
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11