AI Agent 记忆架构：从列表到知识图谱

为什么 Agent 需要记忆？

纯 LLM 对话是无状态的。但真正的 Agent 需要：

每次经验存为一条独立记录，检索时用语义相似度匹配。

[经验1: "用户喜欢简洁回复"]
[经验2: "Python 比 JS 适合数据处理"]
[经验3: "API 超时时应该重试3次"]

✅ 实现简单 | ❌ 经验之间没有关系，噪声大

把记忆分成不同类型：短期 → 长期 → 归档。

✅ 检索更精准 | ❌ 仍缺乏经验间的动态关系

把经验存为图的节点，关系存为边。

[API超时重试] --导致--> [重试后仍失败则报警]
[API超时重试] --优于--> [直接报错]

✅ 检索准确率最高 | ❌ 图构建和维护成本高