AI-Workshop 文献分享 #7 -- AI Agent 为什么需要记忆：Forms, Functions & Dynamics
分享人：ltw | 日期：2026-06-27
论文：Memory in the Age of AI Agents: A Survey -- Forms, Functions and Dynamics 作者：Hu et al. | arXiv 2026
一、为什么 Agent 需要记忆
LLM 是会说话的大脑，Agent 是能行动的系统。记忆让系统跨时间成长。
没有记忆的 Agent，像每次上课都失忆的同学——它可以当场很聪明，但很难长期适应你、积累经验、复用以前的失败教训，也很难在复杂任务里保持前后一致。
三个核心动机
- Coherence（一致）：记住用户偏好、任务目标、环境状态
- Adaptation（学习）：从成功与失败里抽出策略
- Long Horizon（长程）：需要跨多轮、多天、多任务持续工作
二、先分清三个容易混的概念
- RAG：像考试时翻资料，从外部知识库找相关内容
- Context Engineering：像整理考场桌面，把工具历史塞进有限上下文
- Agent Memory：像形成长期学习档案，维护随交互成长的认知状态
三、三把钥匙：Forms / Functions / Dynamics
第一把钥匙：Form -- 记忆放在哪里？
| 形式 | 说明 | 特点 |
|---|---|---|
| Token（显式记忆） | 文本、向量库、图数据库 | 可查可改可解释 |
| Parametric（参数记忆） | 把知识写进模型参数 | 调用自然但更新成本高 |
| Latent（隐状态记忆） | 隐藏状态、latent token | 临时脑内状态 |
第二把钥匙：Function -- 记忆帮 Agent 做什么？
- Factual Memory：记事实，解决忘事实
- Experiential Memory：记经验，解决忘经验
- Working Memory：记当前进度，解决忘当前进度
第三把钥匙：Dynamics -- 记忆如何运转？
Formation（形成）-> Evolution（演化）-> Retrieval（检索）
读系统论文时的检查表： 1. 写入策略：保存原文、摘要还是参数化经验？ 2. 更新策略：如何处理冲突、冗余、过期和遗忘？ 3. 读取策略：何时查记忆、查哪些模块、是否重排或压缩？
四、未来方向
- Retrieval -> Generation：按任务重新压缩整合生成记忆表示
- RL + Memory：让 Agent 学会何时写删查
- Trustworthy Memory：隐私、权限、可验证性越来越重要
五、总结
三句话：
- 记忆不是聊天记录，而是 Agent 的长期认知状态。
- 评价一个记忆系统，先看 Form、Function、Dynamics。
- 未来难点不是存，而是自动决定该记什么、忘什么、怎么用。