如何让agent拥有对话记忆?

如何让“Agent”真正拥有对话记忆？

这篇文章是“深度Agent解析”系列的开篇。让AI掌握某个知识库，最经典的做法就是“检索增强生成”（Retrieval-augmented Generation，简称RAG）。简单说，就是把知识切片、向量化存储，在对话时联想相关片段，喂给大模型，让它借用这些知识来生成回答。这个思路启发了一个关键问题：能不能用同样的方式，让AI记住和用户的每一次对话，慢慢熟悉用户？无论AI的定位是“情感陪伴”还是“深度进入情境的连续咨询”，这种针对用户的“长期记忆”都是核心体验。做到长期记忆不难，但效果的差距，真的可以天差地别。实际上，让Agent记忆对话，远比想象中复杂。这篇文章就来系统拆解一下，如何为GPT-4o构建一个 App级别的、可靠的对话长期记忆。

让AI记忆对话的任务分解

说起来容易，真要做得漂亮，难。为什么？因为这不是简单的“存进去、取出来”那么简单。要实现真正有效的长期记忆，必须处理好几个关键环节。

第一个问题很现实：对话记忆会随着时间不断膨胀，持续降低检索效率，命中率下降，误检率上升。怎么办？记忆得有重点。这就引入了

。信息的关注度会随时间自然衰减，模仿人类的遗忘。但光有遗忘不行，重要信息也会被忘掉，所以还需要——经常被使用的信息，关注度应该被提升。

对话信息本身是零散的，完整的语义往往存在于上下文中。光想起某一句单句话，很多时候没什么用。这就需要对对话进行

后再存储。更进一步，总结后的信息之间往往存在关联。比如用户多次提到身体不适，第二天突然来一句“我开始发烧了”，Agent需要高效、精准地把所有相关咨询记录都联想起来。这些信息需要被标记为一个整体，这是有效联想的基础。

当信息来源变多，冲突就可能出现。用户嘴上说自己心情不错，但他描述的境遇和对话中流露的特征，都反映出情绪很焦虑。面对这种矛盾，Agent怎么得出一个最终会采用的结论？对任何是非判断，答案不是非黑即白的，而是一个0到1之间的信念值。和人一样，Agent需要定期

，调和这些冲突的信念。

最后，人类对话中存储的信息不只包含表层事实，还有表层信息所传递的深层意味。比如在交流中，我们会下意识形成对对方心情、性格的印象。这个过程并不简单。每个微弱的印象最初都在潜意识层面，只有被重复冲击，才会浮现到感知流中被使用。这需要一个完备的

来发挥作用。

关注度标注

每个进入感知流的信息，都会被标注一个“关注度”，决定它在多大程度上值得被关注。具体的做法是设计一个关注度标注函数：每次信息出现时，让GPT按0到10分给它打分。但单纯这么做有问题。GPT不会依据AI自身特有的知识和经验来进行关注度标注，而这些特有经验恰恰应该影响关注度。举个例子，按常识，GPT不会对“桌上有喝了一半的牛奶”这种信息产生关注。但如果用户对牛奶过敏，关注这条信息就很可能是有意义的。

完整的关注度标注，需要从长期记忆中联想相关信息，而这些信息本身就带有自己的关注度。把联想到的长期记忆信息的关注度，作为工作记忆的参考，再让GPT对目标信息打分。这样，系统就能基于已有经验来判断新信息的价值。

遗忘和唤醒

长期记忆的关注度由两个变量加总得到：长期关注度和短期关注度。长期关注度变化缓慢，衰减也慢；短期关注度变化迅速，衰减也快。无论什么原因导致的关注度增加，就是

；关注度的减少，就是。

关注度减少的原因比较单一：自然衰减。长期关注度衰减慢，短期关注度衰减快。而关注度的增长，与信息被回忆和使用有关。对长期关注度来说，每次信息被回忆联想（被有效使用），都会增加一些长期关注度，同时大幅增加短期关注度。短期关注度还有一个额外的唤醒来源：当长期记忆中某个单一信息被回忆使用时，会带动相关信息短期关注度的提升。这个机制可以叫“区域性唤醒”。

区域性唤醒在人类身上能找到清晰证据。当我们持续在某个领域思考时，就能唤醒该领域的长期记忆，大幅提升思考效率。

多层级存储

搜索运算，无论对人还是对机器，随着长期记忆的增加，代价都会逐步放大。即便有遗忘机制，每次搜索都要遍历全部记忆，运算消耗依然巨大。人类进化出了一套与关注度相关的多级存储模型。信息在不同层级之间流动，流动依据就是关注度（包括短期和长期）。关注度高的信息被唤醒到更高层，优先被检索；关注度低的则沉到更低层，检索优先级降低。

这背后的精神可以这样理解：虽然我大部分时候不会去搜索所有记忆，但系统总能确保你想起重要记忆时，它正好在我愿意搜索的范围之内。

有了多层级存储，就可以在运算中灵活利用这个层级。对系统认为重要的运算任务，愿意消耗更多资源，检索可以抵达更深层级，去搜索那些低关注的信息。对不那么重要的任务，只会在最高关注度的层级里检索。比如系统在进行认知求解时，会根据问题的关注度生成一个求解动机，这个动机决定了检索深度。动机越高，检索越深，越可能找到那些低关注的记忆。

所以，一个运算能否检索到需要的信息（假设信息存在），取决于两个因素：一是运算本身的求解动机，决定了检索深度；二是相关信息被唤醒的程度。尤其是当长期关注度不太容易变化时，相关信息的短期关注度有没有在唤醒中被提升。这两点都能在人类身上找到证据：一个一开始想不明白的问题，讨论或思考一段时间后就想通了，背后可能就是这两个因素在变化：二次思考带来了更高的求解动机，持续思考导致了区域性短期关注度提升。

对话总结 & 记忆整理

对话总结只需要封装一个GPT API，定期对对话的实质内容进行总结，并对其中的大类事件（比如用户遭遇、活动）进行标签和记录。每次总结打上大类事件标签时，都会去记忆中寻找相同的大类事件（比如“用户去迪士尼”或“用户感冒”），再调用一个GPT API对事件信息进行总结合并。合并后的信息应包含该事件主干的发展脉络。同时，大类事件需要有时效评估。如果一个事件隔了很长时间没有更新，再出现类似信息时，应判定为新的大类事件。比如用户又去了迪士尼，但上一个“用户去迪士尼”的事件是半年前，那就应该归为新事件。

Agent存续期间，每天都会形成各种事实类型的信息，包括具体事件、抽象知识等。有些信息相似，有些相互矛盾。堆积下去，系统会越来越混乱。这就需要

。它会合并相似信息，提高信念和关注度；与高信念信息矛盾的，信念会下降，关注度也会降低。反复整理，信息会变得简洁有条理。

从人类身上可以借鉴整理策略：为避免影响即时思考的时效，整理不会在信息产生时马上进行，而是选择在系统空闲时，比如人在休息或睡眠中，在潜意识层面完成。具体操作上，可以以每天新形成的是非类信息为起点，让它在记忆中检索相关旧信息，然后封装一个GPT API，根据新信息调整旧信息的信念。

这里有一个难点需要克服：GPT重算信息的信念并不完全稳定，不一定能让信念往更客观的方向收敛。做法上，不要以一次GPT的输出去直接替换，而应采用类似印象冲击的方式逐步调整。

印象冲击

系统里有一个“推知者”，它利用因果类知识，根据原始信息的信念和因果知识的充分性，推知出新的信息。这些被推知的信息叫作

。有些印象的信念很低，需要重复的冲击才能积累。当信念突破某个阈值时，印象就会形成。

在植物性认知的印象冲击模型中，生成的印象自带信念。因果知识的充分性不同，原始信息信念不同，推知信息的信念也不同（在MTS Agent中，这些复杂运算完全交由GPT完成）。只有在信念突破阈值时，印象才会变为猜想。信念运算为什么必要？因为很多单次推知非常微弱，需要积累才能变成一个相对可靠的猜想，此时才会写入感知流被意识到。比如每句对话都可能形成对对方性格的推知，但作用都很微弱。而有些推知一次就能得到合理猜想：一个人如果喉咙痛，在一般情况下就可以合理猜想他是不是感冒了。

为了计算累积多少印象能形成猜想，我们需要信念。推知者会推知信息，同样的信息在一段时间内被重复推知，印象不断累积，突破阈值就变成猜想。这里“一段时间”的标准怎么定？比如推知人的性格，时效性很长，因为性格在较长时间里不怎么改变。而“某人感冒”的印象时效性就很短，一个月前留下的印象，放到现在进行冲击意义不大。

处理印象时效性的机制大致是这样：生成印象时，让GPT API同时输出这个印象的时效，然后按这个时间让印象的信念衰减。时效越长，信念衰减越慢；时效越短，衰减越快。比如感冒的印象衰减很快，可能几天就衰减没了；性格的印象几年都不会衰减完。一个印象只要在一段时间内信念累积超过阈值，成为一个显著猜想，就可以变为一个带时间的具体事件，存入长期记忆。

在GPT-4o发布时，它的App展现出了非常强的、与用户相关的长期记忆能力，达到了“全对话记忆”的级别。在此之前，OpenAI App上的长期记忆还只是“定向抽取”的水平。此外，GPT-4o的App比API版本多了不少特性，体验也好了很多，这些都是“模型外”算法的效果。

与用户相关的长期记忆，是“情感陪伴AI”好与坏的核心分水岭。用户总是希望自己的伙伴能慢慢了解自己，从陌生人变成朋友，变成好友，甚至知心的恋人。这需要极高水平的对话长期记忆能力。同时，对话长期记忆也是“深度进入用户情境的连续咨询AI”的核心能力。用户之前咨询了身体不适，AI无法做出有效诊断和建议；第二天用户突然说“我开始发烧了”，Agent需要精准联想起之前所有“身体不适”的相关信息，而不是让用户重复一遍背景。这才是“连续”的真正含义。类似心理咨询、健康咨询、法务咨询、母婴咨询、宠物咨询、企业管理咨询，要做到人类级别的交互，都离不开强大的对话长期记忆支持。这篇文章是对Agent长期记忆构建的一次深度总结，希望能帮助大家快速提升应用层Agent长期记忆的水准线。