记忆分五层：最后那层是删除

一份关于 agent 记忆的拆解，标题说记忆设计能把 token 成本砍九成。开头那个场景很真实：你的 agent 每天早上重读同样的 12 个文件，得出同样的结论，再收你一次钱——模型两年里聪明了十倍，会话一结束照样什么都不记得。

它把记忆分成五层，我按原意整理如下：

工作记忆，就是现在的上下文窗口：窗口满了，旧内容掉出去，多数 agent 一辈子只活在这一层。情景记忆，是带时间戳的完整交互日志：周二凌晨三点那次部署为什么挂，解释一次就够，日志替你记住。

语义记忆，是知识图谱里的事实与关系：比如"这个用户偏好 TypeScript"，要能跨会话存活。程序记忆，是做法的沉淀：三种试法里管用的那种固化成可复用的 skill，下一次运行从这里开始。

第五层是遗忘——刻意删除。什么都记的 agent 会积累矛盾：你换了城市，它还在推荐旧餐厅。

给出的数字是：Mem0 每次查询 1,800 tokens，而不用它时是 26,000——约九成三的削减，延迟降 91%。这里要按清楚口径：这是单次查询的对比（每次只带相关的那部分，而不是把整段历史再读一遍），不是说整轮任务的账单直接少九成；"砍九成"成立的前提，是你的 agent 确实在重复喂同样的背景。这个前提在多数团队里都成立——成本的大头从来是重复读入，不是输出。

五层对应的落地件也很直白：工作记忆是窗口本身，情景记忆是日志库，语义记忆是带关系的存储或知识图谱，程序记忆是你的 skills 目录，遗忘是一条定期跑的清理任务。多数团队缺的不是新模型，而是把这五样接起来的那层薄工程——它不要大算力，要的是约定：什么写进日志、什么进图谱、什么下次直接复用、什么到期就删。没有约定，五层就是五个孤岛，agent 照样每天早上把同样的文件再读一遍。

五层里最容易被忽略的其实是第五层。多数实现只加存储、不加删除，结果记忆越长矛盾越多、上下文越贵、检索越不稳。判断一个记忆方案好不好，先问它怎么删、什么时候删，而不是能记多少——一个不会遗忘的 agent，最后会被自己的历史压垮。

两个数字的出处要留意：1,800 与 26,000 是 Mem0 的对比口径，任务集和配置没有公开，横向比较请拿自己的查询模式跑一遍。这份拆解没附完整文档链接，可核的就是上面五层与两个数字。