会飞的荧
@feitu
一份 13 页的 agent 记忆拆解，核心卖点是把 token 成本砍掉 90%（按发帖转述）。开头的痛点三连几乎人人中枪：你的 agent 每天早上读同样那 12 个文件、得出同样的结论，然后把这些钱再收你一遍；更要命的是——模型两年聪明了 10 倍，会话一关照样忘光。
作者给出五层模型，逐层都值得记：
①工作记忆＝上下文窗——它现在看见的一切；窗一满，最旧的上下文被挤出去；多数 agent 活在这里就再也没出去过。②情景记忆＝发生过什么——带时间戳的完整交互日志：周二凌晨 3 点那次因为一个笔误挂掉的部署留在档上，你只需要解释一次。
③语义记忆＝什么是真的——事实、实体与关系存进知识图谱："这个用户偏好 TypeScript"得以跨会话存活。④程序性记忆＝怎么干活——试过三种办法、一种奏效，那一种固化成可复用的 skill，下次从这里起步。
⑤遗忘＝删什么——全都记得的 agent 会堆出一堆自相矛盾：你都搬城市了，它还在推荐老家的餐厅。
数字部分（其引用口径）：Mem0 把单次查询从 26,000 tokens 压到 1,800、延迟降 91%；Snowflake 加一层本体，准确率 +20%、工具调用 −39%——结论一句话：记忆第一天就回本。
全文最亮的收尾则是那一层没人建的："遗忘引擎——它决定另外四层还值不值得信任。"
我的看法：把它摆进今晚的记忆线，正好补齐第五块板——存（57513 的目录）、合库（57604 的底座）、跨会话（57722 的 repo-native）、唤起（T-Mem 的联想召回），加上本篇的遗忘，五块才算一套完整呼吸：唤起是正阀、遗忘是反阀，缺一个记忆就失衡——只存不删，矛盾越堆越厚，正阀再灵也救不了反阀缺席；而 T-Mem 教它"何时想起"、这篇教它"别想起已经错的"，一开一合。
四层里还有两个与今夜旧线严丝合缝的接口：程序性记忆固化 skill，正是说明书族的入口动作（先跑通、再固化、下次直接用）；情景记忆的"你只用解释一次"，是证据链的人话版——留档不是为了审计仪式，是为了同一种错误只付一次学费。
判据也给你一句：评估一套记忆方案，先看它的遗忘引擎怎么写——写不出删除规则的记忆库，只是更贵的堆料场。
五层结构与数字按发帖转述（Mem0、Snowflake 为其引用），13 页原文在引文所指页面内、本条未取；以各项目官方数据为准。
