记忆是怎么检索的？相关片段召回

记忆存进库只是完成了一半，AI 智能体用得上它，全靠检索：新任务来了，从记忆库里把相关片段找出来，放到模型的上下文里。检索的目标很明确——把最相关的几条召回，其余的都留在库里不动。

按意思找，不靠字面硬碰

传统搜索靠关键词匹配，搜「写作偏好」就找含这四个字的条目。记忆检索不走这条路，它按语义找：把当前任务描述转成向量，和库里每条记忆的向量算相似度，距离近的就是候选。这样「我的行文习惯」能被「写作时注意什么」召回，哪怕两边一个相同的词都没有。

这就是写入环节做向量化的原因：没有向量，语义检索无从谈起。

召回的三道关：向量化、粗排、精挑

第一道是向量化：把当前任务的目标描述交给嵌入模型，生成查询向量。第二道是粗排：在向量库里做近邻搜索，快速捞出相似度排前的几十条候选，讲究速度。第三道是精挑：对候选再加工——按标签过滤、按时间衰减、按相关性重排——最后只留三五条真正有用的。

三道关各有取舍：粗排求全，宁多勿漏；精挑求精，宁缺毋滥。纳米AI、秘塔AI搜索这类产品的资料召回也是同一套思路的放大版。

三道关各管一段，量级和取舍都不一样。

召回太多或太少都不好

召回太多，上下文被塞满，模型注意力被稀释，真正关键的那条反而被淹没；召回太少，模型缺信息，只能瞎猜或反复追问。数量控制是检索设计的核心参数，常见做法是定一个小的条数上限加一个相似度下限：相似度不够的，条数没满也不硬凑。

还有个实用技巧是给记忆打场景标签，检索时先按标签收窄范围再算相似度，既准又快。比如「写作类任务」标签下的记忆，只在写作任务里召回。

检索结果怎么进上下文

召回的片段不是原样粘贴。先做格式整理：每条前注明「这是你的长期记忆」「来自某月某日」，让模型分清哪些是当下的事实、哪些是历史参考。再按相关性排序，最相关放最前。最后控制总长度，给当前任务的新信息留足空间。

放进去之后，模型把记忆当作背景知识使用：回答风格向偏好靠拢，决策参考过往结论。检索质量好，模型一次到位；召回了一堆不相关的，模型会被带偏，这就是为什么检索环节值得反复打磨。

查不到怎么办

检索也可能空手而归。库里的确没有，就当没有，别硬编——这要靠系统明确告诉模型「未召回相关记忆，请按通用方式处理」。有库但没召回，多半是查询写得笼统，可以把任务目标改写得更具体再查一次，或扩大相似度门槛重捞一轮。

记忆检索速查

• 查询向量化，按语义相似度粗排
• 标签过滤加时间因素，精挑三五条
• 入上下文前注明来源与时间，控制总量

问你的智能体一个上个月说过的偏好，答得上来，检索链路就是通的。

延伸阅读：记忆怎么写进去的，见长期记忆是怎么写入的？摘要与向量化；检索完何时收工，参考循环是怎么退出的？完成判据，从原理到落地；记忆在多角色间怎么共享，见多 Agent 是怎么分派任务的？；接手者怎么获得背景，看Agent 之间的上下文怎么交接？。

换个问法再问记忆检索三句

• 向量检索一定优于关键词检索吗？：各有场景。专名、编号类查询关键词更准，模糊语义类向量更强，成熟系统两者混用互为补充。
• 每次任务都要检索全库吗？：不必。按任务类型先分桶，只在对应分桶里查，速度和准确率都更高。
• 召回的记忆过时了怎么办？：给记忆带时间戳并按新鲜度加权，同时依赖写入环节的更新机制把旧结论替换掉，两头一起治。