长时运行 Agent 三种记忆架构实测：混合方案最抗用
Jaig5970 · reddit · 2026-10-04
作者构建需要跨数天维持上下文的 Agent 后，实测对比了三种记忆架构，指出多数项目悄悄失败在记忆设计上：
- 全量对话历史入上下文：token 上限来得比预期快，旧上下文即使仍在也事实性被遗忘，检索质量下降。
- 纯向量检索：更干净，但 Agent 会丢失自己的决策轨迹——情景记忆没与事实记忆分开，导致前后推理自相矛盾。
- 混合方案（结构化情景日志 + 向量检索）：表现最好。Agent 把自己的决策摘要写入结构化存储，事实与过往推理分开检索。
一个关键坑：Agent 在任务中途拉取外部实时数据刷新信念时，不可靠的抓取会迅速污染记忆库。作者将外部查询通过住宅轮换代理路由以保证每次检索拿到干净数据——坏输入是容易被忽视的记忆杀手。
核心结论：Agent 的记忆应模仿它的思考方式，而非人类归档信息的方式。作者仍开放的问题：任务中途信念更新时，记忆冲突应覆盖、版本化还是标记人工审核？
「编程与Agent」频道最新
- AI 写游戏代码还能看它流式生成,讨论如何进一步提速 — Flomerboy · 2026-10-04
- 开发者用 Claude 写出 Minecraft 原生 Metal 渲染器,老 Mac 也能 60fps 开光影 — EddyVGG · 2026-10-04
- 开发者用 Grok 搭起机器人流水线:一个收邮件、一个合 PR、一个发 Pinterest — prasenx · 2026-10-04
- 开源项目 ECC 27 万星：把 AI 编程流程沉淀成可复用的技能与规则 — lxfater · 2026-10-04
- Pi 1.0 发布，实验性 Pi Durable 让 Agent 进程崩溃后可断点恢复 — solyarisoftware · 2026-10-04
- 博主开源 Pi 学习蓝皮书:五站搞定 Skill 与 Extension — solyarisoftware · 2026-10-04