25周实战复盘：四图结构做Agent记忆，三个隐藏缺陷全踩

Conscious_Detail_128 · reddit · 2026-09-13

作者分享了自研 Agent 记忆系统运行 25 周后的完整架构与踩坑复盘。

核心设计

分层记忆：工作记忆 → 情景记忆 → 语义记忆，每晚做一次巩固（consolidation）。
提升路径刻意不用 LLM：不靠提取 prompt 决定什么值得留下，而用系统自身信号（复现频率、访问模式）驱动提升。代价是逻辑更笨、会漏东西——作者认为若由外部模型决定，记忆就成了第三方对你 Agent 的概括。
四张图而非一张带类型的图：联想图（共访问强化边、闲置衰减）、证据链图、因果结构图、随时间变化的时序快照。理由：联想、证据、因果、时变是四种不同关系，混进一张类型图会让遍历歧义。
假设优先检索：先生成「答案大概长什么样」再拿去向量库搜索，关键词/相似度只做兜底。这也是最大的一次改进——因为其向量库同时坏了两处：几乎为空且返回 NaN 假匹配。
矛盾即记录，不设闸门：持续运行的系统若等冲突解决才巩固，就永远巩固不了。矛盾用规则检测后写成独立记录并计入每日密度数，密度尖峰被视为健康信号。

审计发现的三个缺陷

最泛化的教训：联想图会陷入吸引子盆地——重复模板内容自共现形成最大权重团，此后无论查询什么都返回盆地节点。Hebbian 式强化加上任何话痨式日志器，最终都会吃掉你的检索。作者在帖尾征集他人的图拆分方案与吸引子问题的解法。

「编程与Agent」频道最新