Anthropic刚发布了一份13页的PDF文档，专门讲Agent记忆架构。核心…

Anthropic刚发布了一份13页的PDF文档，专门讲Agent记忆架构。核心观点是：大多数Agent之所以"笨"，不是因为模型不行，而是记忆系统设计有问题。 这份文档提出了5层记忆架构，据说能把token成本砍掉90%，让Agent真正学会积累经验。 第一层是工作记忆，也就是当前的上下文窗口。Agent现在能看到什么，全靠这一层。问题是窗口满了，旧内容就没了。大部分Agent只做到这一步，所以总给人一种"记吃不记打"的感觉。 第二层是情景记忆，记录发生了什么。完整的交互日志带时间戳，Agent能回忆起"周二凌晨3点部署失败是因为迁移脚本有个拼写错误"。这种能力在调试复杂任务时特别有用。 第三层是语义记忆，记录什么是真的。事实、实体、关系以知识图谱的形式存储。"用户偏好TypeScript"这类信息就存在这里，不会因为会话结束就消失。 第四层是程序记忆，记录怎么做事情。Agent尝试了3种方法，其中一种成功了，这个方法就变成可复用的技能。下次它会直接跳到成功的方法，不用从头试。 第五层是遗忘机制，记录该删什么。一个从不遗忘的Agent会积累矛盾信息。旧的偏好会覆盖新的，用户搬了城市但Agent还在推荐老城市的餐厅。 实际效果：Mem0用这套架构后，每次查询只存1800个token，而不是26000个。Snowflake加了一个本体层，准确率提升20%，工具调用减少39%。 这份PDF的核心价值在于：它把"记忆"从一个模糊的概念变成了可工程化的5层架构。对于正在做Agent开发的团队来说，这可能是目前最系统的记忆设计参考。 项目地址：github.com/mem0ai/mem0