长期记忆
Agent记忆机制的组成部分，指跨会话持久化存储的信息，如用户偏好、历史交互习惯等，通常存储在外部数据库或向量库中，通过检索动态调入上下文，支持个性化服务
核心事实
时间轴 (近 90 天)
每次对话对AI来说都是全新的，它没有真正的长期记忆，记不住用户的偏好和背景，这个问题只能靠外部数据库来解决。
上下文窗口不等于长期记忆，它只在单次会话内有效，对话结束即清空
沙箱能限制单次运行的权限边界，却难以阻断长期记忆跨任务传播错误的链条
直接被告知答案时大脑几乎不需要做检索或重建工作，信息因此很难进入长期记忆
长期记忆设计的核心矛盾是：记得越多成本和噪音越高，清理不及时准确性越差，业界目前没有标准答案
长期记忆的反思阶段生成的经验摘要需要足够具体，最好包含失败原因、修正方式和适用条件，否则检索时难以命中有用历史教训
知识库是静态的内容检索，回答文档里写了什么；长期记忆则关注做过什么、发生了什么变化、积累了什么认识
论文的框架建立在通用智能体架构之上，将智能体行为描述为围绕包含演化知识的长期记忆组织的一系列认知功能组合
LoCoMo和LongMemEval等对话回忆基准测量的是对对话历史的问答能力，而非记忆是否改变了工具使用智能体的实际行为
Agent的长期记忆可细分为情景记忆、语义记忆和程序性记忆三类
还有 4 条时间轴事件
全部知识事实 (17)
Agent的长期记忆可细分为情景记忆、语义记忆和程序性记忆三类
80%已验证长期记忆通常借助向量数据库（如Chroma、Pinecone、Weaviate、Milvus等）来实现语义检索
80%已验证企业级Agent系统通常会引入外部记忆模块（如向量数据库）来存储长期记忆，以突破上下文窗口限制
75%已验证LangGraph支持短期记忆（单次会话上下文）和长期记忆（跨会话持久化存储）两种存储模式
75%已验证长期记忆的业界主流方案包括基于embedding的向量检索、基于知识图谱的结构化存储，以及两者的混合架构
65%已验证记忆投毒攻击的目标是在Agent的持久化记忆中埋入恶意指令，使其在未来交互中执行非预期操作，与提示注入的即时劫持不同
65%已验证持久化记忆通常分为短期工作记忆、情节记忆和语义记忆三个层次
65%待验证每次对话对AI来说都是全新的，它没有真正的长期记忆，记不住用户的偏好和背景，这个问题只能靠外部数据库来解决。
50%待验证上下文窗口不等于长期记忆，它只在单次会话内有效，对话结束即清空
50%待验证沙箱能限制单次运行的权限边界，却难以阻断长期记忆跨任务传播错误的链条
50%待验证直接被告知答案时大脑几乎不需要做检索或重建工作，信息因此很难进入长期记忆
50%待验证长期记忆设计的核心矛盾是：记得越多成本和噪音越高，清理不及时准确性越差，业界目前没有标准答案
50%待验证长期记忆的反思阶段生成的经验摘要需要足够具体，最好包含失败原因、修正方式和适用条件，否则检索时难以命中有用历史教训
50%待验证知识库是静态的内容检索，回答文档里写了什么；长期记忆则关注做过什么、发生了什么变化、积累了什么认识
50%待验证论文的框架建立在通用智能体架构之上，将智能体行为描述为围绕包含演化知识的长期记忆组织的一系列认知功能组合
50%待验证LoCoMo和LongMemEval等对话回忆基准测量的是对对话历史的问答能力，而非记忆是否改变了工具使用智能体的实际行为
50%待验证AI没有真正的长期记忆，每次对话都是全新的，只能靠外接数据库解决
50%