建立 AI 代理最困難的部分不是教它們記住。 而是教它們忘記。 我的同事和驚人有才華的作家 @helloiamleonie 剛剛發表了我見過的最全面的代理記憶分析，信我，我們都需要這個。 核心挑戰在於：𝗟𝗟𝗠𝘀 𝗮𝗿𝗲 𝘀𝘁𝗮𝘁𝗲𝗹𝗲𝘀𝘀。每次對話都是一個全新的開始。它們不記得你五分鐘前說了什麼，更不用說你上週說了什麼了。所以我們如何製作能夠真正記住的代理？ 𝗧𝘄𝗼 𝗳𝘂𝗻𝗱𝗮𝗺𝗲𝗻𝘁𝗮𝗹 𝗺𝗲𝗺𝗼𝗿𝘆 𝘁𝘆𝗽𝗲𝘀: • 𝗦𝗵𝗼𝗿𝘁-𝘁𝗲𝗿𝗺 𝗺𝗲𝗺𝗼𝗿𝘆: LLM 的上下文窗口中的信息（當前對話） • 𝗟𝗼𝗻𝗴-𝘁𝗲𝗿𝗺 𝗺𝗲𝗺𝗼𝗿𝘆: 外部存儲的信息（過去的對話、用戶偏好、學習的事實） 但這裡變得有趣且混亂。不同的框架以不同的方式對記憶進行分類，例如： 𝗖𝗼𝗔𝗟𝗔'𝘀 𝗮𝗽𝗽𝗿𝗼𝗮𝗰𝗵（受人類認知啟發）： • 工作記憶（當前對話） • 語義記憶（有關用戶的事實） • 情節記憶（過去的經歷和行動） • 程序記憶（指令和行為） 𝗟𝗲𝘁𝘁𝗮'𝘀 𝗮𝗽𝗽𝗿𝗼𝗮𝗰𝗵（以架構為重點）： • 訊息緩衝區（最近的消息） • 核心記憶（在上下文中主動管理的區塊） • 回憶記憶（原始對話歷史） • 存檔記憶（明確存儲的知識） 𝗧𝗵𝗲 𝗵𝗮𝗿𝗱𝗲𝘀𝘁 𝗽𝗮𝗿𝘁? 𝗙𝗼𝗿𝗴𝗲𝘁𝘁𝗶𝗻𝗴。 管理進入記憶的內容非常複雜。管理被 𝘥𝘦𝘭𝘦𝘵𝘦𝘥 的內容更難。你如何自動決定什麼是過時的？什麼時候舊信息真的過時，還是仍然在上下文中相關？這是大多數實現所面臨的挑戰。 Leonie 涵蓋了從不同的記憶類型（工作、語義、情節、程序）到實際實施策略，以及像 mem0、Letta 和 zep 等記憶框架的日益增長的生態系統。...