第 15 章：记忆与上下文：分层的信度管理

15.1 工程问题的本质：智能体记得什么、信多少

智能体的回答质量不仅取决于"这次输入了什么"，更取决于"它记得什么、记得多新、记得多准"。会话内的上下文（短期记忆）决定连贯性，跨会话的知识（长期记忆）决定专业性，而记忆的信度决定输出是否可信——记错的长期记忆比没有记忆更危险。

设计原理： 记忆管理的本质是信度分层：不同来源、不同时效的信息，在生成上下文中的可信度不同。短期记忆（会话内）可信度高但时效短；训练数据（已审批样本）可信度受治理约束；知识库（RAG 语料）可信度取决于采集与标注。系统应当知道每一条进入上下文的记忆来自哪里、何时产生、可信几何——这是"记忆分层"比"记忆堆叠"先进的地方。

15.2 短期记忆与上下文窗口：有限的分配

短期记忆承载当前会话的上下文，而模型的上下文窗口有限。窗口管理策略：最相关的信息保全文，久远的信息做摘要，控制每次调用的输入长度与成本。

原理： 上下文窗口的分配是一个信度与保真度的权衡：全文保真度高但占窗口，摘要省窗口但丢细节。策略是"旧的做摘要、新的保全文"——按新旧递减保真度，因为越近的信息通常越相关。框架层控制注入量（最近 2 轮全文），业务层提供裁剪/摘要后的完整历史——窗口分配是分层责任，框架保证"不会超窗"，业务决定"留下什么"。

15.3 长期记忆：训练数据与知识库的分工

长期记忆分两类：训练数据（影响行为——意图识别、few-shot、规则）与知识库（影响内容——问答的语料来源）。二者解耦：审批留言等过程性数据不进入知识库。

原理： 行为记忆与内容记忆的职责不同，污染的成本不同。过程性数据（审批留言、会话噪音）进入知识库会污染检索结果——用户问"报销怎么走"，检索到一段审批过程中的闲聊，答案质量即下降。记忆的写入必须有准入：行为记忆走审批治理（第 14 章），内容记忆走知识库准入——不是所有对话都能成为知识。

15.4 知识检索（RAG）：内容记忆的检索增强

RAG 将知识库检索结果注入生成上下文，缓解幻觉、突破训练数据边界。在框架中，查询流程的 kb 步骤与 db / web / llm 步骤自由组合，检索结果与事实查询结果经变量引用注入生成步骤。

原理： RAG 与事实查询的信度不同：数据库查询结果是确定的业务事实，知识库检索结果是语义相关的资料。将两者分步骤呈现（见 8.4 节"事实与观点的分离"），用户才能区分"系统查到的"与"系统查到的资料里推断的"。记忆注入生成，但不能冒充事实。

15.5 记忆的时效性与窗口分配原理

15.5.1 遗忘曲线与摘要时机

窗口管理"旧的做摘要、新的保全文"，但"多旧算旧"需要原理支撑。摘要时机（历史超 20 条触发、窗口超限裁剪）对应的是一类信息价值衰减假设：对话信息的即时价值随轮次间隔递减。这一假设与记忆研究的"遗忘曲线"同构——越久远的信息，保留其完整形态的边际价值越低。

原理： 窗口分配的目标函数是"信息价值 / token 成本"最大化。全文保留近期（价值高、占窗口），摘要化久远（价值衰减、省窗口），丢弃超出窗口的（价值趋零）。工程要点是阈值可配置：会话保留条数、token 上限、摘要触发点均参数化——遗忘的速度由业务场景决定（技术支持会话比闲聊需要更长的全文窗口）。

15.5.2 token 估算的工程权衡

窗口管理依赖 token 估算。估算方法的取舍：

原理： 估算精度与成本成正比，而窗口管理的目标不是"精确等于上限"，而是"显著不超限"。启发式估算的误差在 ±20% 内即可安全裁剪（留出缓冲）；只有预算极紧或超长文本场景才值得调用分词器。工程取舍：用零成本的近似换取够用的安全边界。

15.5.3 记忆的时效标注

信度分层的落点是时效标注：进入上下文的每条记忆都应能回答"何时产生、来自哪里"。会话内消息天然带时间戳；训练样本带审批时间；知识库条目带录入时间。时效标注的价值：系统（及审计者）能判断"这条记忆是否已过期"——库存数据昨天的结论，今天不应作为事实引用。

15.6 失败模式与权衡

权衡： 窗口裁剪以"久远信息降保真"为代价，换取不超窗与成本可控；记忆准入以"学习更慢"为代价，换取知识库质量。两个权衡的调节权都在配置层——窗口参数、知识库准入规则均可配置化。

15.7 本章小结

• 记忆管理的本质是信度分层：记得什么、记得多新、信多少；

• 上下文窗口分配是信度与保真度的权衡，旧的做摘要、新的保全文；

• 行为记忆与内容记忆分工，过程性数据不进知识库；

• RAG 注入生成但不能冒充事实，事实与观点分步呈现。