第5章 记忆系统（Memory）

🧩 "没有记忆的 Agent，每次对话都是从零开始。记忆系统让 Agent 能够'记住'过去，提供真正个性化的体验。"

本章概览

记忆系统是区分"普通聊天机器人"和"真正个人助理"的关键。本章介绍三种记忆类型：短期记忆（对话历史）、长期记忆（向量数据库）和工作记忆（Scratchpad），并实战构建一个带记忆的个人助理 Agent。

本章目标

学完本章，你将能够：

  • ✅ 理解三种记忆类型的作用和适用场景
  • ✅ 实现对话历史管理和窗口裁剪
  • ✅ 使用向量数据库构建长期记忆
  • ✅ 构建完整的带记忆个人助理 Agent

本章结构

小节内容难度
5.1 为什么 Agent 需要记忆？记忆的价值与挑战⭐⭐
5.2 短期记忆：对话历史管理滑动窗口、摘要压缩⭐⭐
5.3 长期记忆：向量数据库ChromaDB、相似度检索⭐⭐⭐
5.4 工作记忆：Scratchpad 模式推理过程记录⭐⭐⭐
5.5 实战：带记忆的个人助理完整系统实现⭐⭐⭐⭐

⏱️ 预计学习时间

约 90-120 分钟（含实战练习）

💡 前置知识

  • 已完成第 4 章（工具调用）
  • 了解 Python 列表和字典操作
  • 了解"向量"的直觉概念（不需要线性代数基础）

🔗 学习路径

前置知识：第4章 工具调用

后续推荐：

🚀 扩展项目

项目简介Stars
supermemoryAI 时代的记忆与上下文引擎。支持自动事实提取、用户画像构建、遗忘曲线式记忆衰减、混合搜索（RAG + Memory）。在 LongMemEval、LoCoMo、ConvoMem 三大基准测试中均排名第一。提供 API、MCP 服务及 LangChain/LangGraph 集成。17.5k+

下一节：5.1 为什么 Agent 需要记忆？