菠萝与大西瓜
@zuoyou
记忆系统不是选个向量库就完事，它有六层。
这份路线把 Agent 记忆从头到尾拆开，标题就说清了目标：检索极速、召回忠实、演进安全。我按它的顺序捋一遍，顺带说说我卡在哪层。
第一层管上下文和工作记忆。窗口策略给了四个选法：滑动窗口（Sliding Window / FIFO）简单但会丢早期约束；动态摘要省地方却可能失真；按 token 权重裁剪偏实用；层次化则把核心提示、概要历史、实时输入分开摆。
状态机这节提到 LangGraph 的显式状态，靠结构化变量传递。最讨巧的是 MemGPT 式虚拟内存，借操作系统的主存外存思路，让 agent 自己调用 core_memory_append 这类指令，在有限窗口里做出无限上下文的假象。
第二层是存储引擎。向量库管语义检索，密集向量和稀疏向量（Sparse / BM25）配合混合检索加重排，RAG 应用全靠这层撑；图数据库管关系推理，三元组抽实体和关系，Neo4j、Memgraph、FalkorDB 在列，图检索走 Graph RAG。
PostgreSQL、Redis、SQLite 这类管硬约束和审计日志。单用一种都不够，正解是三种协同，语义、关系、精确属性各归各家。
第三层是我最看重的生命周期：写入、检索、反思、遗忘。检索那节给了公式化的三件套，相关性看余弦相似度，时效按指数衰减，重要性交给模型打分，还有时间感知检索区分先后说过的话。遗忘那节更实用，类 LRU 的淘汰加上 GDPR 被遗忘权，敏感信息 PII 自动脱敏抹除。前面聊过的记忆纠错和时间戳问题，全落在这层。
第四层列了工程件。LangChain、AutoGen、CrewAI 这些框架内置的内存属轻量选法，LangGraph 的 MemorySaver 和 LlamaIndex 的索引式记忆都在此列。认真做就看专用引擎：Mem0 管多级记忆，Zep 自带时序和摘要图谱，Letta 按 OS 理论做内存服务。评估则看召回率、精准率和检索里的幻觉率。
第五层安全隔离，我看得心里一紧。租户隔离必须严，A 的记忆绝不能被 B 召回；还要防投毒，一句注入就能把恶意内容写进记忆；外加 ABAC、RBAC 权限控制和审计日志，得能回答"agent 为什么做这个决定、是哪条记忆引发的"。
第六层才是场景实战，伴侣助理、客服、NPC、编程助手、多 agent 共享黑板，各有一套搭配。路线末尾还顺带比了两条进阶路线，HippoRAG 这类图式检索对上 LoRA 微调，让记忆沉淀进权重还是留在检索侧，得看任务。
我自己的进度停在第三层。存和取早跑通了，冲突判优和定期整理一直没做，图谱里新旧事实打架都没人裁决。下一步我打算先补冲突检测和一次离线整理，把这条链闭上，再去折腾选型。
