封面圖

日期:2026-07-02
適合讀者:研究生、科研讀者、AI 工程師、AI 產品/平臺架構師

摘要

Agent Memory 正在從「把聊天記錄塞進向量庫」變成一套獨立的系統工程:它要決定什麼值得記、怎麼抽取、如何合併衝突、何時遺忘、如何檢索、如何向用戶解釋,以及如何在隱私、審計和刪除權之間取得平衡。2025-2026 年的新論文顯示,長期記憶已經不再只是 RAG 的一個小插件,而是 agent 基礎設施中的核心資源層:Zep/Graphiti 走向時序知識圖譜,Mem0 和 Memoria 強調可生產化的事實抽取與個性化,A-MEM、AgeMem、EverMemOS 試圖讓 agent 自己管理記憶生命週期,MemOS 把記憶抽象成類似操作系統資源,LongMemEval-V2、PersonaMem-v2、MemoryDocDataSet 則把評測從「能否回憶一句話」推進到環境經驗、隱式偏好和跨源推理。與此同時,ChatGPT Memory、LangGraph Memory、Letta、Mem0 等產品與框架已經把長期記憶帶入真實應用。下一階段的關鍵問題不是「要不要記憶」,而是:哪些記憶有證據、誰有權修改、如何避免記憶投毒和隱私洩露、以及記憶系統能否被評測和治理。

目錄

  • 研究背景:為什麼長期記憶突然變成 agent 基礎設施
  • 近一年路線圖:從向量庫到記憶操作系統
  • 代表論文分組解讀
  • 方法對比表
  • 關鍵技術趨勢
  • 工程落地啟發
  • 侷限與爭議
  • 接下來值得關注的問題
  • 總結
  • 參考資料

研究背景:為什麼長期記憶突然變成 agent 基礎設施

LLM 的「記憶」至少有三層含義。第一層是參數記憶,即模型權重中固化的知識;第二層是工作記憶,即當前上下文窗口;第三層是外部長期記憶,即跨會話保存、檢索和更新的用戶事實、經驗軌跡、任務偏好、工具使用策略和環境知識。過去很多應用把第三層簡化為「聊天記錄 + embedding + top-k 檢索」,但真正的 agent 場景很快會撞到邊界。

邊界來自三個方面。首先,個性化不是簡單相似度檢索。用戶可能在不同時間表達過相互衝突的偏好,過去事實可能已經過期,隱式偏好也不一定應該被系統自動保存。其次,agent 的記憶不只關於用戶,還關於任務和環境:某個代碼倉庫的構建坑、某個網頁後臺的操作路徑、某個科研項目的實驗失敗記錄,都需要長期保留。第三,記憶天然涉及治理。一個能跨月、跨應用、跨設備記住你的系統,也可能錯誤推斷你的心理狀態、洩露敏感信息、被攻擊者寫入惡意記憶,或者在用戶要求刪除後仍通過摘要和派生事實殘留。

因此,Agent Memory 的研究重心正在從「提升召回率」轉向「生命週期管理」。一個成熟記憶系統至少包含寫入、抽取、歸併、版本化、檢索、重排序、引用、刪除、遺忘、審計和權限控制。它更像數據庫、搜索引擎、日誌系統和隱私平臺的組合,而不是一個普通向量庫。

可治理長期記憶系統架構

近一年路線圖:從向量庫到記憶操作系統

2023 年的 Generative Agents、MemoryBank 和 MemGPT 奠定了三條基礎路線。Generative Agents 把觀察、反思和規劃結合起來,讓 agent 從自然語言經驗中形成高層反思;MemoryBank 面向長期陪伴和個性化,嘗試用遺忘曲線、用戶畫像和記憶強化來模擬人類式記憶;MemGPT 則明確借鑑操作系統的層級存儲,把有限上下文窗口看成「虛擬上下文管理」問題。

2025 年開始,路線明顯分化。Zep 提出面向企業 agent 記憶的時序知識圖譜架構,強調動態整合對話和業務數據;A-MEM 借鑑 Zettelkasten,用 agentic 寫入、鏈接和更新組織記憶網絡;Mem0 把生產環境中的長期會話記憶做成可評測框架,並加入圖記憶;MemOS 和 MemoryOS 則把記憶上升為操作系統式資源,討論表示、調度、遷移、融合和治理。到 2025 年底,MIRIX、Memoria、PersonaMem-v2 等工作進一步覆蓋多模態、知識圖譜用戶畫像和隱式個性化。

2026 年的新變化是評測和治理開始補課。LongMemEval-V2 不再只問「用戶過去說過什麼」,而是評測 web agent 是否記住環境狀態、工作流、動態變化和踩坑經驗;MemoryDocDataSet 把多會話記憶與長文檔推理合在一起,暴露出會話檢索和文檔檢索之間的斷裂;Algorithmic Self-Portrait 對真實 ChatGPT 記憶條目做審計,指出系統自動生成記憶會帶來用戶代理權和敏感推斷問題;MemX、SuperLocalMemory、MemPrivacy 等工作則轉向本地優先、記憶投毒防禦和邊雲隱私保護。

代表論文分組解讀

1. 經典基礎:從反思記憶到虛擬上下文

Generative Agents 的核心不是「角色扮演」,而是把 agent 行為拆成 observation、memory stream、retrieval、reflection、planning。它說明長期行為一致性需要經驗記錄和高層反思共同作用。對今天的 agent 平臺來說,這仍是一個重要啟發:原始事件日誌不等於可用記憶,系統需要把低層事件壓縮成可複用經驗。

MemoryBank 則把長期陪伴作為應用場景,強調用戶畫像、情感互動和選擇性遺忘。雖然它的實驗環境與今天生產系統仍有距離,但它提出的「記憶會隨時間強化或衰減」非常現實。不是所有對話內容都應該永久保留;記憶價值應隨新證據、任務頻率和用戶反饋變化。

MemGPT 的影響更偏系統結構。它把上下文窗口視作有限快速存儲,把外部存儲視作慢速長期層,通過模型主動管理內外存交換來擴展有效上下文。這個類比在 2025-2026 年被 MemOS、MemoryOS、EverMemOS 等工作繼續放大:記憶不再是 prompt 附件,而是被調度、壓縮、遷移和審計的資源。

2. 生產化記憶層:事實抽取、圖結構與企業上下文

Zep 的重點是 temporal knowledge graph。它指出企業 agent 面對的不只是靜態文檔,而是持續變化的對話、客戶、項目和業務實體。Graphiti 這類時序圖試圖保存「關係何時成立、何時變化、來自哪裡」。論文報告其在 DMR 和 LongMemEval 相關評測上優於若干基線,但這些數字仍應按預印本和特定實現條件理解,落地前需要在自有數據上覆測。

Mem0 更像一條工程化路線:把會話中的關鍵信息抽取成可檢索事實,並在檢索時只返回最相關記憶。論文報告 Mem0 在 LOCOMO 上相對 OpenAI 記憶方案提升了 LLM-as-a-Judge 指標,並顯著降低 p95 延遲和 token 成本。這裡的關鍵啟發不是某個百分比,而是:長期記憶的收益必須同時看準確率、延遲、token 成本和可維護性。全量上下文也許簡單,但在多會話、多用戶、多 agent 情況下通常不可持續。

Letta 和 LangGraph 的文檔則體現了框架層共識。LangGraph 把短期記憶定義為 thread-scoped state,把長期記憶放入跨線程 namespace/store,並區分 semantic、episodic、procedural memory;Letta 強調 stateful agents,使用 memory blocks、messages、tools 和持久化數據庫管理 agent 狀態。這些產品化接口說明,長期記憶正在成為開發框架的一等公民。

3. Agentic Memory:讓 agent 參與寫入、鏈接和遺忘

A-MEM 的思路是把記憶組織交給 agent,而不是固定 pipeline。新記憶加入時,系統生成帶上下文、關鍵詞、標籤等屬性的 note,並讓 agent 分析歷史記憶、建立連接、更新舊記憶表示。它借鑑 Zettelkasten 的核心思想:知識不是孤立卡片,而是不斷鏈接和演化的網絡。

AgeMem 在 2026 年進一步提出把長短期記憶管理作為 agent policy 的一部分:存儲、檢索、更新、總結、丟棄都可以作為工具動作,並用逐步強化學習訓練何時執行這些動作。這個方向很重要,因為真實 agent 的記憶決策高度依賴任務階段。客服 agent、代碼 agent、科研 agent、個人助理對「值得記住」的判斷完全不同,固定規則很難通吃。

EverMemOS 則強調自組織生命週期:從 episodic trace 形成 MemCells,到 semantic consolidation 形成 MemScenes,再通過 reconstructive recollection 組合下游推理所需上下文。它的概念價值在於把記憶從「寫入一次、檢索多次」改成「持續鞏固、修正、重構」。但這類 agentic 記憶也帶來新風險:系統自動改寫舊記憶時,必須保留原始證據、版本和可回滾能力,否則很難審計錯誤是何時引入的。

4. 個性化與隱式偏好:記住用戶,還是過度推斷用戶?

PersonaMem-v2 把個性化評測推向隱式偏好。現實中用戶很少說「請記住我偏好 X」,更多是在長期對話中間接暴露目標、約束、風格和禁忌。該數據集用大量模擬用戶交互和偏好來評測模型是否能理解隱式 persona,並報告 frontier LLM 在隱式個性化上仍然困難。這裡的工程啟發是:個性化記憶不能只靠顯式 facts,還要處理 preference inference;但推斷越強,治理要求越高。

Algorithmic Self-Portrait 直接審計真實 ChatGPT 記憶條目。論文分析 80 名用戶的 2,050 條記憶,報告多數記憶由系統單方面生成,並包含個人數據和心理推斷。這個結果對所有長期記憶產品都是警示:用戶可能並不知道系統把哪些句子轉化成了長期畫像。記憶界面不應只提供「刪除所有記憶」,還應提供來源、置信度、敏感類型、最近使用記錄和可編輯解釋。

MemPrivacy 則從邊雲架構切入,嘗試在端側識別隱私敏感 span,用類型化佔位符參與雲側記憶處理,再在本地恢復原值。這個方向適合移動端、企業桌面 agent 和醫療/法律/金融等場景:記憶的語義結構可以參與檢索,但原始敏感值不必暴露給雲端。相關實驗數字仍需人工核驗和復現,但問題定義本身已經很清楚。

5. 評測:從聊天回憶到環境經驗與跨源推理

LongMemEval 是長期聊天記憶評測的重要基準,覆蓋信息抽取、多會話推理、時間推理、知識更新和拒答等能力。它提醒我們,長期記憶不是單一檢索任務。一個系統既要找得到舊事實,也要知道事實是否過期,還要在沒有相關記憶時拒絕胡編。

LongMemEval-V2 把對象換成 specialized web environments。它評測 agent 是否能從多達 500 條軌跡、上億 token 的歷史中提取靜態狀態、動態狀態、工作流、環境坑點和 premise awareness。論文報告基於 coding agent 的 AgentRunbook-C 表現強,但延遲成本高。這說明下一代記憶系統可能不只是向量檢索,而是「文件化經驗庫 + 可執行證據收集 agent + 檢索摘要」的混合架構。

MemoryDocDataSet 進一步指出,真實任務往往要求先從對話記憶中找出相關文檔,再在長文檔中做精讀。單獨優化 conversation memory 或 document RAG 都不夠,系統需要聯合檢索和跨源證據鏈。對科研、法律、客服和企業知識庫來說,這可能是非常常見的失敗模式。

方法對比表

路線 代表工作/系統 記憶形態 適合場景 主要風險
全量歷史上下文 長上下文模型、簡單聊天歸檔 原始消息序列 小規模、低頻會話、審計回放 成本高、干擾強、隱私暴露面大
向量庫/RAG 傳統 memory RAG、部分 LangGraph store 實現 chunk、事實、摘要 低成本召回、文檔或會話檢索 時間關係弱、衝突處理弱、誤召回
結構化畫像 MemoryBank、Memoria、PersonaMem-v2 用戶 profile、偏好、屬性 個性化助手、CRM、教育陪伴 過度推斷、畫像陳舊、用戶代理權不足
時序/圖記憶 Zep/Graphiti、Mem0 graph、MemoTime 實體、關係、時間戳、證據 企業上下文、多實體多跳推理 圖構建錯誤會長期傳播
Agentic memory A-MEM、AgeMem、EverMemOS agent 寫入、鏈接、更新、遺忘 長週期任務、研究/代碼/web agent 自動改寫難審計,訓練和評測複雜
記憶操作系統 MemGPT、MemOS、MemoryOS 層級存儲、MemCube、資源調度 平臺級 agent runtime 抽象宏大,標準和互操作仍未穩定
本地/隱私優先 MemX、SuperLocalMemory、MemPrivacy 本地數據庫、FTS、隱私佔位符 桌面 agent、企業內網、敏感行業 多端同步、可用性和模型能力受限

關鍵技術趨勢

第一,記憶寫入正在從同步工具調用走向異步後臺服務。LangGraph 文檔把寫入分成 hot path 和 background:前者即時可用但增加延遲,後者更易批處理和去重,但可能讓其他線程短期拿不到新記憶。生產系統通常需要兩者結合:顯式用戶指令、偏好修改和安全相關記憶走熱路徑;普通對話摘要、去重和鞏固走後臺任務。

第二,記憶粒度正在從 chunk 走向 evidence-backed fact。長會話中直接存 chunk 容易召回無關上下文;只存抽取事實又容易丟失證據和語氣。較穩妥的設計是同時保存原始 episode、抽取事實、來源 span、時間戳、置信度和更新歷史。回答時返回的是緊湊事實,但審計時能回放原文。

第三,圖和時間成為長期記憶的核心結構。個性化最難的地方往往不是「用戶喜歡咖啡」,而是「用戶過去喜歡咖啡,但最近因為睡眠問題改喝茶」「這個偏好只適用於工作日」「這個結論來自一次玩笑還是明確指令」。沒有時間、實體和關係,很多記憶會在跨月交互中變成誤導。

第四,記憶評測正在多維化。只看 QA accuracy 不夠,還要看拒答、過期事實更新、衝突消解、敏感信息處理、刪除後殘留、延遲、token 成本、寫入噪聲、誤召回率和用戶可控性。記憶系統會有自己的 eval harness,而不是附屬於通用 LLM benchmark。

第五,治理層會成為差異化能力。產品層的記憶開關只是第一步。真正可用的長期記憶需要 memory diff、memory provenance、用戶確認策略、敏感類型策略、租戶隔離、審計日誌、TTL、刪除傳播、導出格式和數據保留策略。

工程落地啟發

如果你今天要給 agent 產品加長期記憶,不建議從「買一個向量庫」開始,而應先定義記憶契約。

第一,定義 memory schema。至少區分事實、偏好、任務狀態、環境經驗、程序性規則和原始事件;每條記憶要有 subject、source、timestamp、confidence、scope、ttl、sensitivity、last_used_at、superseded_by 等字段。沒有 schema 的自然語言記憶很快會失控。

第二,寫入前先設計權限。哪些內容必須用戶顯式同意?哪些內容可以自動保存但必須可見?哪些內容只能在本地保存?哪些內容默認不保存,例如健康、財務、未成年人、身份認證、親密關係和心理狀態?這些策略應在系統層實現,而不是靠 prompt 提醒模型「請謹慎」。

第三,檢索要有 abstention。長期記憶最危險的失敗之一是把錯誤記憶自信地帶入回答。MemX、LongMemEval 等工作都提醒我們,低置信拒絕和「沒有找到相關記憶」同樣重要。工程上可使用混合檢索、RRF、時間過濾、實體過濾、重排序和證據閾值,但必須記錄為什麼召回某條記憶。

第四,給用戶一個 memory inbox。所有新寫入或高敏推斷的記憶都進入可審核列表,用戶可以確認、編輯、降級為短期、設置過期或刪除。對企業場景,還要支持管理員策略和租戶級審計,但不能讓管理員隨意查看個人敏感記憶。

第五,把刪除當成系統功能,而不是 UI 功能。刪除一條記憶後,派生摘要、圖邊、緩存、prompt profile、離線訓練樣本和跨設備副本都要處理。否則「刪除」只是在前端隱藏。

第六,評測要使用你自己的長週期軌跡。公開基準能提供方向,但每個產品的記憶語義都不同。客服要測 ticket continuity,代碼 agent 要測倉庫經驗和構建坑,科研 agent 要測實驗參數演化,個人助理要測偏好更新和隱私控制。

侷限與爭議

第一,很多 2025-2026 年記憶論文仍是 arXiv 預印本,評測數據、實現細節和對照條件需要人工複核。尤其是帶有「SOTA」「大幅降低成本」的聲明,最好在同一模型、同一數據、同一延遲預算下複測。

第二,長期記憶與長上下文模型不是替代關係。長上下文適合一次性讀入大材料,長期記憶適合跨會話、跨任務、跨時間的狀態維護。未來系統大概率同時使用兩者:長上下文做深讀,長期記憶做持續狀態。

第三,個性化和操控之間邊界模糊。當模型長期記住用戶目標、弱點、風格和情緒反應時,推薦、說服和依賴關係都會更強。記憶系統的安全評估不能只看隱私洩露,還要看行為影響。

第四,自動記憶會改變人機關係。一個助手如果主動記住用戶未明確要求保存的內容,短期會更貼心,長期可能讓用戶失去控制感。Algorithmic Self-Portrait 的結果說明,記憶透明度本身就是產品體驗的一部分。

接下來值得關注的問題

  1. 是否會出現通用 memory schema 或 memory interchange format,讓用戶能在不同 agent 產品之間遷移記憶?
  2. 記憶寫入是否會從 prompt 規則走向經過訓練的 policy,例如 AgeMem 這類 RL 路線?
  3. 圖記憶和向量記憶如何結合,才能同時支持事實召回、關係推理、時間推理和低延遲?
  4. 記憶投毒、跨會話 prompt injection 和惡意偏好寫入會不會成為 agent 安全的新主戰場?
  5. 刪除權、解釋權和可攜帶權如何在長期記憶系統中實現,而不只是合規文檔中的承諾?
  6. 本地優先記憶能否在移動端和桌面端形成主流架構,尤其是在個人助理和企業 agent 場景?

總結

Agent Memory 的下一階段不會只是「更大的上下文」或「更好的向量檢索」。真正有價值的長期記憶系統必須同時解決四件事:記得準、用得對、改得動、刪得乾淨。2025-2026 年的研究已經把問題從算法技巧推進到系統架構:記憶有類型、有生命週期、有證據、有權限、有評測,也有風險。對工程團隊而言,最務實的路線是先把記憶當作受治理的數據資產,而不是當作 prompt 的附屬品。只有這樣,個性化 agent 才可能從短期演示走向長期可信協作。

參考資料

檢索日期:2026-07-02。以下優先列出 arXiv、官方文檔和項目文檔;2025-2026 年預印本的實驗結論均建議在引用前再次人工核驗。

  1. Joon Sung Park et al., Generative Agents: Interactive Simulacra of Human Behavior, arXiv, 2023. https://arxiv.org/abs/2304.03442
  2. Wanjun Zhong et al., MemoryBank: Enhancing Large Language Models with Long-Term Memory, arXiv, 2023. https://arxiv.org/abs/2305.10250
  3. Charles Packer et al., MemGPT: Towards LLMs as Operating Systems, arXiv, 2023. https://arxiv.org/abs/2310.08560
  4. Di Wu et al., LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory, arXiv, 2024. https://arxiv.org/abs/2410.10813
  5. Preston Rasmussen et al., Zep: A Temporal Knowledge Graph Architecture for Agent Memory, arXiv, 2025. https://arxiv.org/abs/2501.13956
  6. Wujiang Xu et al., A-MEM: Agentic Memory for LLM Agents, arXiv, 2025. https://arxiv.org/abs/2502.12110
  7. Prateek Chhikara et al., Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory, arXiv, 2025. https://arxiv.org/abs/2504.19413
  8. Zhiyu Li et al., MemOS: An Operating System for Memory-Augmented Generation in Large Language Models, arXiv, 2025. https://arxiv.org/abs/2505.22101
  9. Yu Wang and Xi Chen, MIRIX: Multi-Agent Memory System for LLM-Based Agents, arXiv, 2025. https://arxiv.org/abs/2507.07957
  10. Bowen Jiang et al., PersonaMem-v2: Towards Personalized Intelligence via Learning Implicit User Personas and Agentic Memory, arXiv, 2025. https://arxiv.org/abs/2512.06688
  11. Yi Yu et al., Agentic Memory: Learning Unified Long-Term and Short-Term Memory Management for Large Language Model Agents, arXiv, 2026. https://arxiv.org/abs/2601.01885
  12. Chuanrui Hu et al., EverMemOS: A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning, arXiv, 2026. https://arxiv.org/abs/2601.02163
  13. Abhisek Dash et al., The Algorithmic Self-Portrait: Deconstructing Memory in ChatGPT, arXiv, 2026. https://arxiv.org/abs/2602.01450
  14. Lizheng Sun, MemX: A Local-First Long-Term Memory System for AI Assistants, arXiv, 2026. https://arxiv.org/abs/2603.16171
  15. Di Wu et al., LongMemEval-V2: Evaluating Long-Term Agent Memory Toward Experienced Colleagues, arXiv, 2026. https://arxiv.org/abs/2605.12493
  16. Qiyang Xie et al., MemoryDocDataSet: A Benchmark for Joint Conversational Memory and Long Document Reasoning, arXiv, 2026. https://arxiv.org/abs/2606.04442
  17. LangChain Docs, Memory overview, accessed 2026-07-02. https://docs.langchain.com/oss/python/concepts/memory
  18. Letta Docs, Introduction to Stateful Agents, accessed 2026-07-02. https://docs.letta.com/guides/core-concepts/stateful-agents
  19. Mem0 Docs, Overview, accessed 2026-07-02. https://docs.mem0.ai/platform/overview
  20. OpenAI Help Center, Memory FAQ, accessed 2026-07-02. https://help.openai.com/en/articles/8590148-memory-faq