代理記憶（Agent Memory）是什麼：保存、取回與更新資訊

代理記憶（Agent Memory）是 AI 系統保存資訊，並在之後工作中重新取用的機制。資訊可以存在對話狀態、檔案或資料庫，再由程式決定何時讀取。它不表示模型像人一樣記住所有經驗，也不表示每次保存都會改變模型參數。

如果讀書助理知道你習慣晚上閱讀，可能是本輪對話提過，也可能是系統從跨對話記憶取回。只看回答無法判斷來源。以下用讀書計畫作示意，帶你分清保存、取回與使用三個步驟，並檢查記憶是否仍然適用。

對話狀態和跨對話記憶用途不同

LangChain 的官方說明區分對話範圍的短期狀態，以及可跨工作階段保留的長期記憶。前者可能包含正在處理的訊息與進度，後者可能保存使用者偏好或應用程式資料。這是該框架的分類方式，不代表所有產品介面都使用相同名稱。

短期狀態例如「本週正在讀哪一本書、剛完成哪一章」；長期偏好例如「較喜歡先看摘要再做筆記」。但長短期不等於重要與不重要，臨時的截止日可能非常關鍵，長期偏好也可能已改變。保存多久、何時更新，應依資訊用途決定。

記憶取回後，仍需進入當次可用上下文，模型才有機會利用它。資料庫裡有一筆紀錄，不代表每次回答都會看到；搜尋可能沒命中、範圍可能設錯，或系統判定不相關。因此記憶失敗要逐步追查，不能直接說模型忘記了。

記憶可以記錄事實，也可能保存推論

「使用者說每週三晚上沒空」是有明確來源的陳述；「使用者工作很忙，不喜歡長文章」則可能是助理的推論。兩者若不區分，後者容易在未來被當成確定偏好，進而限制本來沒有問題的建議。保存時應標示來源、日期與確定程度。

Generative Agents 原始研究提出記錄經驗、綜整成較高層反思並動態取回的架構，用來支援模擬代理的行為。這說明記憶可以包含整理與推論，而非單純貼回舊訊息；但研究中的模擬效果，不等於一般助理對個人偏好的推論就一定正確。

在讀書情境裡，「這本書很難」可能只是某一章的暫時感受，不宜直接變成永久能力標籤。較恰當的記憶是「使用者在這次討論提到此章較吃力，尚未確認其他章節」。保留範圍與時間，能減少系統把一次事件擴張成固定人格判斷。

用讀書計畫測試保存與取回

以下是原創測試設計。先在支援記憶的系統中設定一項無敏感性的偏好：「讀書計畫先列本週目標，再列每日安排。」確認介面或紀錄顯示已保存，而不只依賴助理說「我記住了」。若產品沒有可查看的記憶清單，至少保留當次操作與回覆，並知道驗證能力有限。

接著開新對話提出新的讀書計畫需求。預期輸出應採指定順序，同時能說明這個格式來自你的已保存偏好，而不是假裝剛剛才得知。若沒有使用，先查偏好是否仍在正確帳號或專案範圍，再查是否被取回；這比反覆責怪模型記性差更具體。

第三步修改偏好為「這次先列每日安排」，觀察當次要求能否依產品規則正確處理。臨時要求不一定要覆寫長期記憶，但它應被清楚辨認。若你確定要永久更改，就明說並核對保存內容，避免新舊偏好並存而每次隨機選用。

更新與刪除，比記住更多更重要

記憶會過期。期末考結束後，仍用舊截止日排讀書計畫就會造成混亂。可以把有期限的資料與長期偏好分開，重要紀錄附上適用範圍。當新資訊與舊資訊衝突時，應確認哪筆應更新，而不是把所有版本一起丟給模型自行猜測。

刪除也需看清楚作用範圍。移除一筆偏好、刪除對話、清除專案資料與取消備份，不一定是同一操作。這裡不承諾任何產品的一鍵刪除行為；使用者應查看所用服務對記憶管理的說明，並在可用介面核對結果。

對開發者而言，應設計能查看、修正與撤回的記憶紀錄。若系統會自動提取偏好，最好區分原始使用者陳述和模型整理內容，留下更新理由。沒有來源的精簡句子看似方便，卻難以在日後回答錯誤時追查怎麼來的。

記憶與檢索、上下文壓縮怎麼搭配

檢索是從資料中找出相關內容的過程，可以用來取回記憶，也可以查公司文件。代理記憶關心哪些互動與狀態值得保存、如何更新及適用對象；兩者重疊但不相同。把資料放進向量資料庫，也不會自動建立合理的記憶政策。

上下文壓縮則把長歷史整理成較短的續作資訊。你可以把讀書進度存到外部，再用摘要帶入新對話；但摘要若寫錯，錯誤也會跟著保存。重要事實仍應能追溯原文，而不是讓最新摘要成為沒有依據的唯一真相。

評估記憶時，除了「有沒有想起」，還要看「是不是該想起這件事」。其他專案或其他人的偏好不應混入目前工作；已過期的資訊也不該蓋過當次明確要求。能正確忽略不適用記憶，同樣是可靠系統的重要能力。

例如讀書計畫已從平日晚上改到週末，撤回舊偏好之後，應用一個新的安排請求確認舊資料沒有再被取用。只看記憶管理畫面已刪除，還不能證明後續工作沒有沿用先前摘要中的副本；使用結果也需要核對。

對一般使用者最實用的做法，是只保存能長期幫助工作、又願意讓系統保留的資訊，定期檢查它是否準確。對開發者則要把寫入、取回、使用和撤回都做成可觀察流程。記憶的價值來自恰當使用，不是累積最多個人資料。

上下文視窗（Context Window）是什麼：容量與理解的差別

上下文壓縮（Context Compaction）是什麼：讓長任務接得下去

檢索增強生成（RAG）是什麼：讓回答附上可查的依據

AI 名詞總索引：從 Loop Engineering 到生成式 AI

• AI 工具
• 教學
• AI 名詞解釋