Anthropic 刚发布了一份 13 页的 PDF，专门讲 Agent Mem…

Anthropic 刚发布了一份 13 页的 PDF，专门讲 Agent Memory 架构。这套 5 层记忆系统能把 token 成本砍掉 90%，让你的 Agent 真正学会学习。 先看这 5 层记忆架构： 第一层是工作记忆，也就是上下文窗口。Agent 当前能看到的所有内容都在这里。窗口满了，旧内容就消失。大多数 Agent 只停留在这一层，然后困惑为什么自己总是"失忆"。 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，因为迁移脚本有个拼写错误"。 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"就住在这里，不会因为会话结束而过期。 第四层是程序记忆，记录怎么做。Agent 试了 3 种方法，其中一种成功了。这个方法就变成了可复用的技能，下次直接跳到成功的方案。 第五层是遗忘机制，记录该删除什么。一个从不遗忘的 Agent 会积累矛盾。旧偏好覆盖新偏好，用户搬了城市，Agent 还在推荐老城区的餐厅。 实际效果：Mem0 用这套架构后，每次查询只存 1,800 个 token，而不是 26,000 个。Snowflake 加了一个本体层后，准确率提升 20%，工具调用减少 39%。记忆系统第一天就能回本。 这份 13 页的 PDF 区分了聊天机器人和真正会学习的 Agent。