Anthropic 发布 13 页 Agent 记忆指南：五层架构号称省 90% token 成本
blaizedsouza · x · 2026-09-15
Anthropic 发布一份 13 页的 Agent 记忆（Agent Memory）PDF，提出五层记忆架构：
- 工作记忆：即上下文窗口，填满后旧上下文丢失，多数 agent 止步于此；
- 情景记忆：带时间戳的完整交互日志，可回溯具体事件（如某次部署失败原因）；
- 语义记忆：以知识图谱存储事实与实体关系（如「用户偏好 TypeScript」），不随会话结束过期；
- 程序性记忆：把验证有效的方法沉淀为可复用技能，下次直接走最优路径；
- 遗忘机制：决定丢弃什么以控制成本。
据称该架构可降低 90% token 成本并让 agent 真正「学习」。同帖还引用了一篇讨论 2026 年核心技能从 prompt engineering 转向 harness engineering 的文章，认为瓶颈已从提示词和上下文转移到模型外围的工程体系。
「编程与Agent」频道最新
- 侦探小说思想实验：hidden states 携带的信息远多于 token — CShorten30 · 2026-09-15
- oh-my-pi 开源 agent 上下文压缩机制文档详解，已有 31k star — nirmal_dist · 2026-09-15
- RAFT v3.1 开源:用检索增强微调克隆真人写作人格 — jessi_cata · 2026-09-15
- 18 个子 Agent 砍到 1 个：Polylane 称子 Agent 架构本身就是错的 — zeeg · 2026-09-15
- 曝 DeepSeek 开源 deepseek-harness:全插件化编码 agent 框架 — goyalshaliniuk · 2026-09-15
- DeepSeek 写全栈代码总差点意思,开发者求提示词与配置经验 — AdEnvironmental4143 · 2026-09-15