最火、最全的Agent记忆综述，NUS、人大、复旦、北大等联合出品

在过去两年里，记忆（Memory）几乎从 “可选模块” 迅速变成了 Agent 系统的 “基础设施”：对话型助手需要记住用户习惯与历史偏好；代码 / 软件工程 Agent 需要记住仓库结构、约束与修复策略；深度研究型 Agent 需要记住已阅读的证据链、关键假设与失败路径，没有 memory 的智能体难以跨任务保留有效经验，难以稳定维护用户偏好与身份设定，也难以在长周期协作中保持行为一致、避免反复犯同样的错误。与此同时 Memory 概念在迅速膨胀、也在迅速碎片化：很多论文都声称自己在做 “agent memory”，但实现方式、目标假设、评价协议差别巨大，多术语并行又进一步模糊了边界。

在这样的背景下，来自新加坡国立大学、中国人民大学、复旦大学、北京大学等顶级学术机构共同撰写并发布了百页综述《Memory in the Age of AI Agents: A Survey》，尝试用统一视角为快速扩张、却日益碎片化的 “Agent Memory” 重新梳理技术路径。

• 论文链接： https://arxiv.org/abs/2512.13564
• Github 链接： https://github.com/Shichun-Liu/Agent-Memory-Paper-List

综述首先指出传统的 “长 / 短期记忆” 二分法，已经不足以描述当代系统里更复杂的结构形态与动态机制：有的记忆是显式 token 存储，有的写进参数，有的驻留在潜在状态；有的服务于事实一致性，有的服务于经验迁移，有的服务于单次任务的工作台管理 —— 如果继续用简单时间尺度切分，就很难真正解释这些差异。

基于此，该综述提出一个统一的分析框架：Forms–Functions–Dynamics（三角框架）。它试图分别回答三类核心问题：

记忆以什么形式存在（Forms）——What Carries Memory? 是外部 token、参数，还是潜在状态？

记忆解决什么问题（Functions）——Why Agents Need Memory? 它服务于事实一致、经验成长，还是任务内工作记忆？

记忆如何运转与演化（Dynamics）——How Memory Evolves? 它如何形成、如何被维护与更新、又如何在决策时被检索与利用？

概念辨析：Agent Memory 到底

和 LLM Memory、RAG、Context Engineering 有何不同？

在大量工程实践中，“Memory” 这个词往往被迅速简化为几个具体实现：一个向量数据库加上相似度检索，或者干脆等同为更长的上下文窗口、更大的 KV cache。在这种理解下，只要模型 “还能看到过去的信息”，系统似乎就已经具备了记忆能力。然而，综述明确指出：这些技术与 Agent Memory 确实存在交集，但在研究对象和问题层级上并不等价。

Agent Memory：持久的、可自我演化的 “认知状态”

Agent Memory 关注的是智能体持续维持的认知状态，它不仅 “存”，还要能在交互中不断更新、整合、纠错、抽象，并跨任务保持一致性。独特性在于维护一个 persistent and self-evolving cognitive state，并把事实与经验整合在一起。Agent Memory 关心的是 “智能体知道什么、经历过什么，以及这些东西如何随时间变化”，包括把反复交互沉淀成知识、从成功 / 失败中抽象程序性知识、跨任务保持身份一致性等。 

LLM Memory：“模型内部机制 / 长序列处理”

确实存在一条与 Agent Memory 不同、但同样重要的研究路线 —— 真正意义上的 LLM-internal memory。这类工作关注的不是智能体如何在长期交互中积累经验，而是模型在内部计算过程中如何更有效地保留和利用序列信息。这些方法的核心问题是：在一次或有限次推理过程中，如何避免早期 token 的信息衰减，如何在计算与显存受限的前提下保持对长距离依赖的建模能力。其研究对象，本质上是模型内部的状态与动态。它们并不假设模型是一个长期存在、需要跨任务保持身份与目标的自主体，也不要求模型与环境进行持续交互或做出一系列有后果的行动决策。换言之，这些方法即便不引入 agentic 行为，也完全成立：模型依然可以在单次问答、长文档理解或摘要等任务中受益。

RAG：“静态知识访问”

RAG 通常强调从外部知识库检索静态信息以提升回答事实性；它可以是 Agent Memory 的一部分实现，但如果系统没有长期一致性、没有演化机制、没有跨任务的 “自我”，那么它更像 “知识访问模块”，而非完整记忆系统。这个差别在综述的概念对照图说明里也被点明：RAG 更接近 “static knowledge access”。 

Context Engineering：“当下推理的外部脚手架”

Context Engineering 的目标常常是：在上下文窗口受限时，如何组织提示、压缩信息、构建工具输出格式等 —— 它优化的是 “此刻模型看到什么”。而论文强调：Context Engineering 是外部脚手架；Agent Memory 是支持学习与自主性的内部基底。前者优化当下接口，后者维持跨窗口、跨任务的持续认知状态。 

Forms：记忆的载体是什么？

综述把 agent memory 的形式归纳为三大类：token-level /parametric/latent。 

这三类的差别聚焦于：信息以什么表示、在哪里存、如何读写、以及可解释性与可塑性的取舍。

Token-level Memory：最 “显式” 的记忆层

token-level memory 的定义非常直观：它把信息存成持久、离散、可外部访问与检查的单元；这里的 token 不仅是文字 token，也可以是视觉 token、音频帧等，只要是可写、可检索、可重排、可修改的离散元素即可。 

为什么它在工程里最常见？因为它天然具备三种优势：

1. 透明：你能看到存了什么；

2. 可编辑：能删改、能纠错；

3. 易组合：适合作为检索、路由、冲突处理的 “中间层”，并与 parametric/latent memory 协同。 

但 token-level 并不是 “一个向量库” 那么简单。进一步按 “拓扑结构复杂度” 可以把它分成三种组织方式：

• Flat Memory（1D）：没有显式拓扑关系，记忆像序列 / 离散单元一样累积（例如片段、轨迹）。它的优点是实现简单、写入快；缺点是检索与更新容易退化成 “相似度匹配 + 越存越乱”。 
• Planar Memory（2D）：单层结构化组织，记忆单元之间通过图、树、表等关系连接，但不分层。它更适合多跳推理、关系约束与一致性维护；代价是构建与维护结构更复杂。 
• Hierarchical Memory（3D）：多层结构并带跨层链接，形成 “分层 / 立体化” 的记忆体系。它的动机往往是：既要保留细节，又要形成抽象总结，并让检索可以在不同粒度之间切换。 

这反应了当记忆规模增大，单纯堆历史就会暴露弊端，必须引入结构（2D）与分层抽象（3D），才能让长期存在的外部记忆真正可用。 

Parametric Memory：把记忆 “写进权重”

Parametric memory 的定义是：信息存储在模型参数中，通过参数空间的统计模式编码，并在前向计算中被隐式访问。它更像人类 “内化后的直觉”：不用每次检索外部库，模型直接学会并记住这些内容。但代价同样明显：

• 需要训练 / 更新权重（成本高）
• 难以精确编辑与审计
• 容易和遗忘、分布漂移、灾难性遗忘问题纠缠在一起

Latent Memory：藏在隐状态 / 连续表示里的 “动态记忆”

Latent memory 的定义是：记忆以模型内部隐状态、连续表示或演化的潜在结构存在，可在推理时或交互周期中持续更新，用于捕捉上下文相关的内部状态。

它介于 “外部显式存储” 和 “权重内化” 之间：比 token-level 更紧凑、更接近模型计算过程；比 parametric 更容易在推理期更新，但也往往更难解释、更难审计。

Functions：记忆的功能是什么？

这一分类角度是这篇综述的核心观点之一，它不再用 “长 / 短期” 这种时间尺度粗分，而是用功能角色把 agent memory 分成三类：

• Factual memory（事实记忆）：记录来自用户与环境交互的知识
• Experiential memory（经验记忆）：从任务执行中增量提升解决问题的能力
• Working memory（工作记忆）：管理单个任务实例中的工作区信息

这三个概念的价值在于：它们对应的是三种完全不同的 “记忆失败模式”，也对应三类不同的系统设计。

Factual Memory：让智能体 “记住世界”，并且可核查

事实记忆的一个关键目标，是提供一个可更新、可检索、可治理（governable）的外部事实层，让系统在跨 session / 跨阶段时有稳定参考。 这类记忆不只面向 “用户偏好”，也面向 “环境事实”：长文档、代码库、工具状态、交互轨迹等。 

环境事实记忆能成为持续可更新、可审计、可复用的外部事实层；在协作维度还能维持跨 agent、跨阶段一致性，从而支撑多来源信息与长周期任务下的稳健执行。 

如果你做过 “多轮对话 + 多工具 + 多资料” 的系统，你会非常熟悉这种痛点：事实一旦散落在历史对话里，就会反复被遗忘、被误引、被编造。事实记忆的意义，就是把 “可核查的世界状态” 从临时上下文里抽出来，变成可维护的对象。

Experiential Memory：让智能体 “吃一堑长一智”

经验记忆的定义更像能力的积累：它把历史轨迹、提炼后的策略、交互结果编码为可持久检索的表示。它与工作记忆不同：工作记忆管 “眼前这一题”，经验记忆关心 “跨 episode 的长期积累与迁移”。 

综述把经验记忆与认知科学里的非陈述性记忆（程序性 / 习惯系统）类比，同时指出 agent 的独特优势：它往往用显式数据结构存储，因此反而具备生物体没有的能力 —— 可以内省、编辑、并对自己的程序性知识做推理。经验记忆给了智能体一种避免频繁参数更新的持续学习路径，把交互反馈转化为可复用知识，帮助系统纠错、抽象启发式、编译常规行为，从而减少重复计算并提升决策质量。 

经验记忆按抽象层级分成三类：

• Case-based：几乎不加工的历史记录，强调保真度，用作 in-context exemplars；
• Strategy-based：从轨迹中蒸馏可迁移的推理模式 / 工作流，作为规划脚手架；
• Skill-based：把策略进一步落到可执行技能（代码片段、API 协议等），成为可组合的执行底座。

Working Memory：让智能体在 “单次任务里” 不被信息淹没

工作记忆听起来像短期记忆，但在 agent 场景里，它最典型的问题不是时间短，而是：即时输入太大、太杂、模态太高维（长文档、网页 DOM、视频流……），在固定 attention / 上下文预算下必须建立一个 “可写工作区”。 

• 一类是 single-turn working memory：目的就是单次调用之内 “减 token”，包括 hard/soft/hybrid 压缩，以及输入内容结构化、抽象化；
• 另一类为 multi-turn working memory：关注多轮之间的状态维持与压缩、针对子任务的折叠剪切、使用 planning 管理记忆等等。

Dynamics：记忆是如何运转的？

如果说 Forms 解决 “记忆放哪儿”、Functions 解决 “记忆干嘛用”，那 Dynamics 解决的就是：记忆系统如何运转。

记忆的生命周期可以概括为三段：Memory Formation（形成）—Memory Evolution（演化）—Memory Retrieval（检索），并强调三者构成一个相互反馈的循环：形成阶段抽取新信息；演化阶段做整合、冲突消解与剪枝；检索阶段提供面向当前任务的访问；推理结果与环境反馈又反过来影响下一轮形成与演化。

Formation：从 “原始上下文” 到 “可存可取的知识”

Formation 阶段把原始上下文（对话、图像等）编码成更紧凑的知识。动机非常直接：full-context prompting 会带来计算开销、内存压力、以及在超长输入上的推理退化，因此需要把关键信息蒸馏成更高效的表示。 

formation 操作进一步分成五类：语义总结、知识蒸馏、结构化构建、潜在表示、以及参数内化。这五类几乎对应了 Forms 的三种载体：总结 / 结构化更偏 token-level；潜在表示偏 latent；参数内化对应 parametric。

Retrieval：决定 “记忆是否真的能帮你做决策”

retrieval 形式化为一个操作：在每个时间步，根据当前观察与任务构造查询，并返回相关记忆内容；返回的记忆信号会被格式化成 LLM 策略可直接消费的文本片段或结构化摘要。 

检索不必每步发生，可能只在任务初始化发生，也可能间歇触发或持续触发；而 “短期 / 长期” 效果往往不是因为搭载了两个模块，而是由 formation/evolution/retrieval 的触发节奏决定的。这点对工程实践有指导意义：很多系统并非缺一个长期库，而是触发策略不对、导致记忆无法进入决策回路。

Evolution：记忆库也需要 “维护与新陈代谢”

Evolution 阶段的任务是把新增记忆与已有记忆整合，通过合并相关条目、冲突消解、剪枝等机制，让记忆保持可泛化、连贯且高效。 

这也是为什么 “记忆系统” 迟早会走向更复杂的治理问题：删什么、留什么、如何避免自相矛盾、如何避免隐私泄漏、如何给多智能体共享时加规则…… 这些都属于 evolution 的范畴。

资源整理：Benchmark 与开源框架

综述专门用 Section 6 汇总 benchmarks 与开源框架资源，这是支持实证研究与落地开发的关键基础设施，方便相关科研工作者查阅。

前沿展望：下一代记忆系统走向何方？

与其把记忆当作一个检索插件，不如把它当作智能体长期能力的 first-class primitive，作为 agent 的核心功能之一：

• 从 Memory Retrieval 到 Memory Generation（记忆从 “找出来” 变成 “生成出来”）；
• 从 Hand-crafted 到 Automated Memory Management（记忆系统从 “人工写规则” 变成 “自动管理”）；
• 从 Heuristic Pipelines 到 RL-driven Control（从启发式流程走向强化学习端到端优化）；

并进一步讨论这些变化如何与多模态、多智能体协作、可信安全等主题交织。  

记忆检索 vs 记忆生成：从 “取片段” 到 “做抽象”

传统检索范式把记忆看成一个已经 “写好” 的仓库：当前任务需要什么，就从向量库 / 图结构 / 重排器里把最相关的片段找出来拼进上下文，核心指标是检索的 precision/recall。大量工作围绕索引、相似度、重排、结构化来提升 “找得准不准”。 但 Agent 真正的长期能力不只依赖 “取回旧文本”，而更依赖一种面向未来的抽象：

• 记忆不必是原始碎片，它可以被压缩、重组、重写成更适合后续推理的表示；
• 尤其当原始记录冗余、噪声大、与任务不对齐时，“拼接式检索” 往往把上下文塞满，却不一定让模型更会做事。  

这有两条主线：

1）Retrieve-then-Generate：先检索，再把检索到的材料重写成更紧凑、更一致、更任务相关的 “可用记忆”，如 ComoRAG、G-Memory、CoMEM 这类思路，保留可追溯的历史 grounding，同时提升可用性；

2）Direct Generation：不显式检索，直接从当前上下文 / 交互轨迹 / 潜在状态中生成记忆表示，比如用 “潜在记忆 token” 的方式绕开传统查库。  

而未来则更关注三个方面：

• Context-adaptive（上下文自适应）：不是一刀切总结，而要能随任务阶段与目标动态调整粒度与抽象层次；
• Integrate heterogeneous signals（融合异质信号）：把文本、代码、工具输出、环境反馈等碎片 “熔成” 统一表示；
• Learned & self-optimizing（可学习且自优化）：什么时候生成、生成成什么样，不再靠人工规则，而由优化信号（例如 RL 或长期任务表现）驱动，与推理 / 决策共同进化。 

自动化记忆管理：从 “写规则” 到 “让 Agent 自己管记忆”

如今很多搭载 memory 的 Agent 其记忆行为本质仍是工程规则 —— 写什么、什么时候写、怎么更新 / 怎么取，都靠提示词、阈值、人工策略。这样做的好处是成本低、可解释、可复现，适合快速原型；但缺点也同样致命：僵硬、难泛化，在长程或开放式交互里容易失效。因此近期开始出现让 Agent 自主参与记忆管理的方向：

• 让模型把细粒度条目自动聚类成更高层抽象单元；
• 引入专门的 “memory manager” 代理来处理更新。

但很多方法仍被手工规则牵引，或只在狭窄目标上优化，因此离通用自动记忆还有距离。而未来可能的路线有两条：

第一条是把记忆操作显式接入决策：

不再把记忆当外部模块，而是让 Agent 在每一步都能通过工具调用式接口执行 add/update/delete/retrieve，并且 “知道自己做了什么记忆动作”。这会让记忆行为更连贯、更透明、更能与当前推理状态对齐。  

第二条是走向自优化的记忆结构：

不仅仅 “分层存储”，更要让记忆库能动态链接、索引、重构，使存储结构本身随时间自组织，从而减少对手工规则的依赖，最终支持更鲁棒、可扩展的自主记忆。

强化学习 × 记忆：记忆控制正在被 RL “内化” 进策略

在 Memory 中引入 RL 是一种从 pipeline 到 model-native 的转向：早期大量系统要么是阈值 / 语义检索 / 拼接等启发式；要么看起来很 “agentic”，但其实只是 prompt 驱动，模型并没受过任何有效记忆控制的训练。  

随后出现 RL-assisted memory：只对记忆生命周期的某一环节上 RL，比如：

• 用轻量 policy gradient 给检索到的 chunk 排序（后重排）；
• 训练记忆写入 / 压缩 / 折叠工作记忆的策略（Context Folding、Memory-as-Action、MemSearcher、IterResearch 等）。这一类已经展示出很强的潜力，RL 很可能会在未来记忆系统里扮演更中心角色。  

下一阶段则更可能是 Fully RL-driven memory。它需要满足两个理想特点：

1）尽量减少人类先验：

目前很多记忆系统借鉴人类认知（海马体 / 皮层类比）、预设层级（episodic/semantic/core），这些抽象对早期探索很有价值，但未必是人工智能体在复杂环境中的最优结构。若进入 fully RL-driven，Agent 有机会在优化驱动下 “发明” 新的记忆组织形式、存储 schema、更新规则。  

2）让 Agent 对全生命周期拥有完整控制：

许多 RL 方法只覆盖 “写入” 或 “短期折叠”，却没把长期整合、演化、检索策略真正统一起来。论文认为，要让形成 - 演化 - 检索多粒度协同运转，几乎必然需要端到端 RL，因为仅靠启发式或提示词无法在长时域里协调这些复杂交互。  

当记忆成为可学习、可自组织、与 Agent 共进化的子系统时，它就不再是外挂，而会成为长期能力与持续学习的基础设施。  

多模态记忆：缺的不是 “能存图”，而是 “跨模态统一语义与时间”

随着 Agent 走向具身、交互式环境，信息来源天然是多模态的：视觉、动作、环境反馈等都会进入记忆系统。未来真正的难点不是把图片 / 视频 “塞进库”，而是让记忆支持异质信号的统一存取与推理。当前的两个关键缺口在于：

• 目前没有真正 “omnimodal” 的记忆系统，大多仍是单模态特化或松耦合；
• 多模态记忆需要从被动存储走向支持抽象、跨模态推理与长期适应。

多智能体共享记忆：从 “各聊各的” 到 “共享认知底座”

MAS 的早期范式：每个 agent 有自己的局部记忆，通过消息传递来协作。这避免直接干扰，但会带来冗余、上下文割裂、沟通开销爆炸，团队规模和任务时长一上来就撑不住。因此出现中心化共享记忆，其作为团队共同 ground truth：支持联合注意、减少重复、利于长程协作；但也引入新问题：记忆污染、写冲突、缺少基于角色 / 权限的访问控制。  

共享记忆会从仓库进化为主动管理的集体表示，有三条可能的方向：

• agent-aware shared memory：读写与角色、专长、信任绑定，使聚合更结构化、更可靠；
• learning-driven management：不靠手工同步 / 总结 / 冲突解决策略，而训练 agent 在长期团队收益下决定何时写、写什么、怎么写；
• 面向开放与多模态场景，共享记忆需要保持时间与语义一致性，作者认为 latent memory 可能是一条有前景的路径。  

可信记忆：隐私、可解释与抗幻觉，必须成为 “第一原则”

当记忆进入长期、个性化、跨会话存储后，问题已经不再是传统 RAG 的 “是否会胡说”，而是一个更大的可信系统工程：因为 Agent 记忆会保存用户偏好、历史交互、行为痕迹等潜在敏感信息，风险维度从 factuality 扩展到隐私、安全、可控与可审计。  

（1）隐私保护：需要更细粒度的权限记忆、由用户主导的保留策略、加密或端侧存储、必要时的联邦访问；并可结合差分隐私、记忆脱敏 / 删改、以及可验证的 “遗忘” 机制（例如衰减式遗忘或用户擦除接口）来降低泄露风险。  

（2）可解释性：不仅要看到 “记忆内容”，还要能追踪 “访问路径”：哪些条目被取了、如何影响生成、是否被误用；甚至支持反事实分析（“如果不取这条记忆，会怎样”）。论文提出未来可能需要可视化记忆注意、因果图、面向用户的调试工具等成为标配。    

（3）抗幻觉与冲突鲁棒性：在冲突检测、多文档推理、不确定性建模上继续推进；包括低置信检索时的拒答 / 保守策略、回退到模型先验、或用多智能体交叉核验等。论文还特别提到，机制可解释性方法（例如在表示层面定位幻觉来源）可能会成为 “诊断 + 干预” 的新工具箱。  

结语：把 “记忆” 当作

智能体的 first-class primitive

通过 Forms/Functions/Dynamics 的统一视角，记忆不再是附属插件，而是智能体实现时间一致性、持续适应与长程能力的关键基底；未来随着 RL 融合、多模态与多智能体场景兴起，以及从检索中心走向生成式记忆的趋势，记忆系统将变得更可学习、更自组织、更具适应性。

文章来自于“机器之心”，作者 “机器之心”。