Agent Memory 文献追踪：异构存储与经验记忆机制解析

效果评估

在 LongMemEval 上，ZEP 在单轮检索、时序推理、跨 Session 检索及知识更新上均有优势。但在检索 Assistant 信息时表现不如直接使用历史对话，这是因为 ZEP 仅对 User 信息构建了知识图谱层，Assistant 信息仅在 Episode 层记录，且召回时易受干扰。

SGMEM: 句子图记忆

SGMEM 将 User 和 Assistant 的话切分为句子，基于语义相似性构图。查询时以 User Message 为起点，在图上做 1-hop 遍历。

记忆入库

1. 设置 chunk_size=N，将对话历史按 N 句切分为 Chunk。
2. 将每个 Chunk 内的句子作为图节点，构建归属边和语义相似边。

记忆检索

1. 将用户 Message 切分为句子，查找语义相似节点。
2. 查询这些节点的 1-hop 邻居。
3. 提取 Step 2 和 Step 3 节点所属的 Chunk 作为结果。

记忆整合

使用语义 Re-ranker 对 Chunk 和 Message 的相似度排序，取 Top-k 个拼接成 Context。

需注意实验环境差异，SGMEM 使用的测试模型为 Qwen2.5-32B-Instruct，而 ZEP 使用了 GPT-4o。尽管如此，SGMEM 在 Top-10 Chunk 的综合准确率上仍达到了 70%+，略高于 ZEP 的结果。

MemTree: 分层树结构

MemTree 为 Agent 对话记录建立了 Hierarchical Cluster 结构。分支节点保留内容简述 c，叶子节点挂载记忆内容。

记忆入库

1. 每条记忆原文生成语义表征。
2. 从根节点开始逐层遍历分支节点的 c 表征，计算距离。
3. 若找到距离小于阈值的节点，继续向下查找；若最终找到叶子节点，新记忆挂载其上，原叶子变为分支节点。
4. 若所有子节点距离均大于阈值，则在当前层级新增叶子节点。
5. 挂载后，所有上级节点执行描述更新动作，确保 c 包含新记忆信息。

记忆检索

将当前语句转化为检索表征，与树上所有节点的 c 进行相似性检索，不区分层级，配合阈值过滤和 Top-K 排序。

效果

在超长对话场景下，该方法优于全文上下文。特别是当知识线索集中于长对话最后几十段时，全文回答正确率为 76.7%，而本文方法可达 84.2%。

Human-Inspired Episodic Memory: KV Cache 优化

该方法处理的是体外参数记忆（KV Cache），不区分 User 和 Assistant 信息，将 LLM 处理的所有上文视为历史。

核心步骤

1. 分块标志：计算 Token 的意外概率，超过阈值的 Token 作为分块标志。
2. 边界调试：基于块内部的 modularity 调试边界，Key 向量即为 Modularity 表征。
3. 索引生成：用块中累计 Attention Score 最高的 Key 向量作为索引。
4. 上下文构建：生成下一句时，用 Query 查得 Top-K 个 KVCache 及其前后块，形成上下文。

Buffer of Thoughts: 经验性记忆

BOT 旨在解决 LLM 成功经验如何沉淀的问题。它将成功结题的 COT 和回答抽象为解题模板，存储于 Buffer 中。

记忆入库

LLM 解决成功后，提炼模板。通过表征相似度检测新增模板，若高于阈值则丢弃，避免冗余。

记忆索引与整合

使用【问题描述器】输出文字对应的表征向量作为检索 Key，匹配后将模板插入提示工程指导模型执行。

PRINCIPLES: 策略记忆

针对引导性对话场景，该方法通过 Role-play 模拟对话，评估策略有效性，提取成功与失败路径的策略。

记忆入库

利用多 LLM 进行 Role-play，采样好策略与坏策略，总结场景、成功策略及失败原因。

记忆整合

召回策略后，通过重写模块微调细节以适应当前场景，再注入上下文。

思考与总结

回顾上述方案，有几个关键点值得深思：

1. 记什么比怎么记更重要：在不同场景下，有用的记忆内容差异巨大。例如 Code/Tool Agent 已将记忆升格为 Skill，这对对话 Agent 而言可能并非最佳抽象。核心在于明确任务需求。

2. 图搜索的局限：多数方法利用图搜索补充语义检索，但本质上未解决深层推理问题。图结构本身也常由语义表征建立，存在同构性缺陷。若要挖掘潜层信息（如学生认知缺陷），必须引入特定抽象工具，先挖掘出本场景关心的信息。

3. 上下文腐烂风险：部分工作在记忆整合上下了功夫，但缺乏对记忆系统长期运行态的考量。如何防止信息整合导致上下文质量下降，仍是待解之题。

4. 学术与工程的平衡：学术方法倾向于泛用性，工程方案侧重适用性。实际场景设计中，效用（效果、扩展性、维护难度）远比贴合论文趋势重要。这也解释了为何该领域方法尚未收敛——既要泛用性又要工程简洁，往往难以兼得。

综上，Agent Memory 的设计应回归场景本质，在理论趋势与工程实效之间寻找最优解。