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[41]。

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[33]，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，见表 15-1：

表 15-1　token 估算方法对比

估算方法	精度	成本	适用
字符长度比例	低（中英混合偏差大）	零	快速粗裁
CJK 按字 / 拉丁按词的启发式	中	零	框架默认（CJK 1 字 ≈ 1 token）
调用分词器	高（与模型一致）	有	精度敏感场景

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

表 15-2　记忆与上下文的失败模式与权衡

失败形态	根因	设计应对
上下文超窗截断关键信息	历史注入无上限	token 估算 + 窗口裁剪
记忆污染知识库	过程性数据入库	记忆写入准入
检索结果冒充事实	资料与事实混在一起呈现	db/kb 分步骤呈现
长期记忆失效	训练样本未审批	样本审批治理

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 实现剖析：实体索引的信度升降与学习闭环

本节从 runtime/entity_index.py（508 行）摘取两段，印证 15.3 节的"长期记忆"与 15.5 节的"记忆时效性"。

在展开代码之前，先把 15.2~15.5 节的分层记忆落成表族关系，可看清"短期 / 摘要 / 长期"三层各自的载体，以及长期记忆"提案—审批—转正"的写入路径，如图 15-1 所示：

图 15-1　分层记忆的表族关系与信度写入路径

erDiagram
    CONVERSATIONS ||--o{ CONVERSATION_MESSAGES : "包含轮次"
    CONVERSATIONS ||--o| CONVERSATION_SUMMARIES : "超阈值后摘要化"
    CONVERSATIONS ||--o{ CONVERSATION_CORRECTIONS : "产生纠正"
    CONVERSATION_CORRECTIONS ||--o{ LEARNED_ENTITY_CANDIDATES : "扫描生成候选"
    LEARNED_ENTITY_CANDIDATES ||--o| SEMANTIC_ENTITY_INDEX : "人工审批后转正"

    CONVERSATIONS {
        string session_id PK
        string user_id
        datetime updated_at
    }
    CONVERSATION_MESSAGES {
        bigint id PK
        string session_id FK
        string role
        text content
        datetime created_at
    }
    CONVERSATION_SUMMARIES {
        string session_id PK
        text summary
        int covered_turns
    }
    CONVERSATION_CORRECTIONS {
        bigint id PK
        string session_id FK
        string term
        string entity_type
    }
    LEARNED_ENTITY_CANDIDATES {
        bigint id PK
        string entity_type
        string term
        string status
        text evidence
    }
    SEMANTIC_ENTITY_INDEX {
        bigint id PK
        string entity_type
        string term
        float weight
        string status
        datetime updated_at
    }

读图要点： 三层记忆对应三组表——CONVERSATION_MESSAGES（短期·全文保留）、CONVERSATION_SUMMARIES（摘要·超阈值后生成）、SEMANTIC_ENTITY_INDEX（长期·跨会话复用）。

关键路径在最下方两段关系：纠正信号不直接写正式索引，而是先落 LEARNED_ENTITY_CANDIDATES（status='pending'），经人工审批后才成为 SEMANTIC_ENTITY_INDEX 中的 active 行——与 14.2 节"记录与生效分离"同构。

SEMANTIC_ENTITY_INDEX.weight 即 15.7.1 节可升可降的信度数值，其上下界由 cap / floor 约束。

15.7.1 信度是"可升可降"的数值，而非一次性判定

def increase_entity_weight(self, terms, entity_type):
    """画像反馈：命中实体权重上调（weight = LEAST(weight*1.1, 5.0)）"""
    db = self._resolve_db()
    if db is None or not terms:
        return
    for term in terms:
        db.execute(
            "UPDATE semantic_entity_index "
            "SET weight = LEAST(COALESCE(weight, 1.0) * :factor, :cap), "
            "    updated_at = NOW() "
            "WHERE entity_type = :etype AND lower(term) = lower(:term)",
            {"factor": 1.1, "cap": 5.0, "etype": entity_type, "term": term})


def decay_weights(self, max_idle_days=90, factor=0.9, floor=0.1):
    """权重衰减：updated_at 超过 max_idle_days 的实体 weight *= factor"""
    db = self._resolve_db()
    if db is None:
        return 0
    res = db.execute(
        "UPDATE semantic_entity_index "
        "SET weight = GREATEST(COALESCE(weight, 1.0) * :factor, :floor), "
        "    updated_at = NOW() "
        "WHERE status = 'active' "
        "  AND updated_at < NOW() - make_interval(days => :days) "
        "  AND COALESCE(weight, 1.0) > :floor",
        {"factor": factor, "floor": floor, "days": int(max_idle_days)})
    return int(getattr(res, "rowcount", 0) or 0)

这段代码印证 15.5 节：记忆的"信度"被实现为一个带上下界的数值。命中即 weight = 1.1（上限 5.0），长期不用则 weight = 0.9（下限 0.1）——两个方向都设了边界，因此权重不会无限膨胀，也不会归零丢失。上调走 LEAST 封顶、下调走 GREATEST 兜底，且只在 status='active' 上衰减。

周期任务调用 decay_weights 使"久未使用的实体自然退居次要"，这比"手工清理"更符合记忆的自然衰减规律。信度是可计算、可调参（factor/cap/floor）的事实，而非模糊判断。

15.7.2 学习闭环：候选提案不直接写正式索引

def propose_from_corrections(self, limit=50):
    """学习闭环：扫描 conversation_corrections（L1 纠正信号）生产
    learned_entity_candidates（status='pending'，携带 evidence 举证），
    供人工审批后转正——不直接写正式索引。同名 (entity_type, term) 且
    status=pending 已存在则跳过（无游标、幂等）。"""
    db = self._resolve_db()
    if db is None:
        return []
    # ... 扫描纠正信号 → 生成候选（pending）→ 人工 approve_candidate 转正

这段代码印证 15.3 节：长期记忆的写入同样是"提案—审批—转正"三步，而非自动写入。用户的每次纠正（conversation_corrections）只生成 status='pending' 的候选并附带证据（evidence），须经人工 approve_candidate 才进入正式索引（第 14 章"可训练边界"）。

幂等设计（同 (entity_type, term) 的 pending 已存在则跳过、无游标）保证重复扫描不会产生重复候选。这条闭环使长期记忆既能从使用中生长，又不会因噪声纠正而污染——与 15.3 节"训练数据与知识库分工"一致：能自动积累的是候选，能生效的是经治理的知识。

15.8 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。

---