什么是记忆分层？短期与长期，新手版入门

AI 助手聊久了会「忘事」：上次说过的工作习惯，这次又得重讲一遍。记忆分层就是为了解决这个问题而生的设计——它把智能体需要记住的信息分成短期与长期两类，各存各的地方、各用各的规矩，让 Agent 既装得下当下，也留得住过往。

短期记忆装什么、长期记忆存什么

短期记忆就是当前这轮任务的上下文：用户的原始指令、每一步的观察结果、中间产物，任务一结束通常就释放。长期记忆则是跨任务保留的信息：你的偏好、常用流程、历史结论，下次开工时被检索回来注入。两者分工明确，一个管现场，一个管家底。

Kimi 的长上下文能力解决的是「一次装很多」，而跨会话记住偏好则要靠长期记忆机制；文心一言的记忆功能同样区分单轮与持久的范围。判断一条信息放哪一层，就看它离开这次任务后还有没有用。常见误区是把两层当成一个大池子混着存，结果要么现场信息挤走长期偏好，要么陈年旧账干扰当前任务。

两层的交接也值得说：任务结束时，短期记忆里的哪些内容值得转正进长期层？多数系统靠规则或模型判断——重复出现的偏好、明确让你记住的话、修正过的结论，是常见的转正对象。转正不等于照搬，而是提炼：把「这三次都让我用短句回复」提炼成「偏好短句回复」，一条顶三条。没有提炼的长期层会越长越胖，检索时噪声越大，最后什么都查不准。定期给长期记忆做减法，和往里加东西同样重要。

生活类比：便签纸与笔记本

短期记忆像手边的便签纸：写今天要办的三件事，办完就撕。长期记忆像笔记本：把值得留的经验、固定的流程誊上去，要用时翻出来。便签求快，笔记本求准，混用一个就会乱。

便签与笔记本的比方对不上的地方在于：笔记本翻页靠人，长期记忆的取用靠检索——按语义找出相关条目再注入上下文，找不回来等于没存。所以存什么不是关键，怎么在需要时捞得出来才是关键。

分层带来的直接好处

分层的价值落在三个具体的点上：

• 上下文省出来了：常驻的只有当场需要的内容，长任务不易溢出。
• 一致性变好了：固定偏好写进长期层，不用每次重复交代。
• 排查容易了：出问题时能分清是现场信息错，还是历史信息陈旧。
• 协作变顺了：多人共用时，长期层存公共约定，短期层各管各的现场。

速查表：

• 本任务内的临时信息：短期层，随用随弃。
• 跨任务还要用的偏好与结论：长期层，定期整理去重。
• 拿不准的：先放短期，重复出现两次再转长期。

存之前先问一句：离开这次对话它还有用吗？

任务何时算完与分层怎么衔接，可看终止条件；循环失控时的止损，见最大步数限制；流程固定与否的取舍，见工作流编排；自动启动的时机问题，见触发器；需要人把关的环节，则在人工在环里有讲。

最后浓缩成一句：短期记忆决定这次干得顺不顺，长期记忆决定下次还要不要重新教。分层的目的，是让该在场的信息恰好在场。

关于记忆分层的三个常问问题

• 上下文窗口很大，还需要分层吗？：需要。窗口再大也是一次性场景，跨会话的信息必须靠长期层承载，两件事解决的是不同问题。
• 长期记忆会记错东西吗？：会。存进去的是当时的理解，过时了也不会自动更新，所以要定期整理，把陈旧条目清掉或改掉。
• 敏感信息该放进长期记忆吗？：谨慎。一旦写入就难以确认删干净，账号凭证之类的东西宁可放在专门的凭证管理里。