[{"data":1,"prerenderedAt":14},["ShallowReactive",2],{"$fyKIi4g-JYf95Mp5Ntg0kVnEoWVG9ocaKOHvevbu1phI":3},{"id":4,"title":5,"slug":6,"content":7,"excerpt":8,"coverImage":9,"category":10,"tags":11,"published":12,"createdAt":13,"updatedAt":13},82,"AI Agent 记忆架构：从列表到知识图谱","agent-memory","# AI Agent 记忆架构：从列表到知识图谱\n\n## 为什么 Agent 需要记忆？\n\n纯 LLM 对话是**无状态**的。但真正的 Agent 需要：\n- 积累经验，避免重复犯错\n- 建立知识间的关联\n- 根据新信息修正旧认知\n\n## 三代记忆架构演进\n\n```mermaid\nflowchart LR\n    subgraph Gen1[\"第一代：Flat List\"]\n        direction TB\n        E1[\"经验1\"] --- E2[\"经验2\"]\n        E2 --- E3[\"经验3\"]\n        E3 --- E4[\"...\"]\n    end\n    \n    subgraph Gen2[\"第二代：Structured Memory\"]\n        direction TB\n        WM[\"短期记忆\"] --> LM[\"长期记忆\"]\n        LM --> ARCH[\"归档\"]\n    end\n    \n    subgraph Gen3[\"第三代：Graph Memory 🔥\"]\n        direction TB\n        N1[\"API超时重试\"] -->|导致| N2[\"重试失败→报警\"]\n        N1 -->|优于| N3[\"直接报错\"]\n        N2 -->|依赖| N4[\"告警系统配置\"]\n    end\n    \n    Gen1 -->|演进| Gen2 -->|演进| Gen3\n```\n\n### 第一代：Flat List（扁平列表）\n\n每次经验存为一条独立记录，检索时用语义相似度匹配。\n\n```\n[经验1: \"用户喜欢简洁回复\"]\n[经验2: \"Python 比 JS 适合数据处理\"]\n[经验3: \"API 超时时应该重试3次\"]\n```\n\n✅ 实现简单 | ❌ 经验之间没有关系，噪声大\n\n### 第二代：Structured Memory（结构化记忆）\n\n把记忆分成不同类型：短期 → 长期 → 归档。\n\n✅ 检索更精准 | ❌ 仍缺乏经验间的动态关系\n\n### 第三代：Graph Memory（图记忆）🔥\n\n把经验存为图的节点，关系存为边。\n\n```\n[API超时重试] --导致--> [重试后仍失败则报警]\n[API超时重试] --优于--> [直接报错]\n```\n\n✅ 检索准确率最高 | ❌ 图构建和维护成本高\n\n## 实际应用建议\n\n| 场景 | 推荐方案 |\n|------|----------|\n| 简单对话助手 | Flat List |\n| 有工具调用的 Agent | Structured Memory |\n| 长期运行、需要积累经验 | Graph Memory |\n| 需要从失败中学习 | Graph Memory + 在线校准 |\n\n## 四条设计原则\n\n1. **记忆不是越多越好**——噪声记忆比没记忆更糟\n2. **关系比内容更重要**\n3. **记忆需要进化**——静态记忆会过期\n4. **检索要\"适用性感知\"**——不是找最相似的，而是找最适合的\n","Agent 如何记住经验、积累知识？三种记忆架构的演进与对比",null,"教程","教程, Agent架构, 记忆系统, 知识图谱, 早期文章",true,"2026-03-25T00:00:00.000Z",1794201835362]