AI Agent Memory Types

Agent 記憶類型是什麼，為什麼不能簡單說「這個 Agent 有沒有記憶」？

「這個 Agent 有沒有記憶」這個問題本身就過度簡化了,因為記憶在 Agent 系統裡不是一個開關,而是一組分工不同的機制。最基本的分野是時間長短：短期記憶只在單一次對話或單一個任務執行期間存在,任務結束或對話關掉,這部分內容就消失了;長期記憶則會跨越多次對話持續保存,讓 Agent 下次互動時還記得之前發生過什麼。這個分野類似人類記憶裡「工作記憶」跟「長期記憶」的差異——你能記住剛剛這句話前半段說了什麼（工作記憶）,跟你記得十年前學過的一件事（長期記憶）,靠的是完全不同的機制。

除了時間長短,長期記憶本身還會依照「記的是什麼種類的內容」再往下拆分,這也是為什麼單純問「有沒有記憶」沒辦法真正理解一個 Agent 產品的能力——同樣是「有長期記憶」的兩個產品,一個可能只記得住你的個人偏好（例如你喜歡深色模式）,另一個可能記得住你們過去每一次互動的具體經過,這兩種記憶類型能支援的應用場景完全不同。

Agent 記憶類型的分類為什麼會出現，是什麼原因造成的？

這套分類其實不是 AI 領域自己發明的,而是借用了認知心理學裡對人類記憶的既有研究——心理學家 Tulving 在 1972 年就已經區分出情節記憶（episodic memory，關於個人親身經歷的具體事件）跟語意記憶（semantic memory，關於一般性、跟特定事件無關的事實知識）這兩個概念，這個區分後來被廣泛引用到 Agent 系統的記憶架構設計裡,因為研究人員發現,人類認知裡「記事件」跟「記知識」本來就需要不同的儲存跟檢索邏輯,直接借用這套現成的分類,比從零開始設計一套全新的分類更有效率。

另一個推力是實際的工程限制：如果不區分記憶類型,把所有內容不分青紅皂白地塞進同一個儲存機制,系統很快就會遇到儲存成本跟檢索品質的兩難——記住所有細節的成本會爆炸性增長,但檢索的時候又需要在龐大的歷史紀錄裡快速找到真正相關的內容。把記憶拆成不同類型,搭配不同的儲存策略（例如語意記憶適合用向量資料庫做語意相似度檢索,情節記憶適合用能保留時間跟關聯性的圖資料庫）,是目前業界處理這個工程難題的主流做法。

Agent 記憶具體分成哪幾種類型，各自的角色是什麼？

短期記憶（也稱工作記憶）負責維持單一次任務或對話裡的連貫性,常見的實作是對話緩衝區——保留最近幾輪對話的內容,讓 Agent 在回答時能參照剛才說過的話,這部分記憶類似電腦的 RAM,任務或對話結束後就會被清空,不會留下痕跡。長期記憶則進一步拆成三種主要類型：語意記憶儲存的是事實性、跟特定事件無關的知識,例如「使用者喜歡吃披薩」「使用者在金融業工作」,這類記憶通常適合用結構化的方式（例如知識圖譜或向量資料庫）組織起來,支援之後的邏輯推理跟一致性；情節記憶儲存的是具體的過去互動紀錄,例如「上一次對話裡使用者更新了某個檔案、當時偏好某種做法」,這類記憶保留了「什麼時候、發生了什麼」的脈絡,讓 Agent 能參考過去類似的情境,調整這次的應對方式；程序記憶儲存的則是學到的做事方法或工作流程,例如「處理發票核准的標準步驟：驗證、路由、通知」,這類記憶讓 Agent 能把過去累積的操作經驗,轉化成之後執行任務時可以直接套用的流程。

實務上,多數 Agent 記憶系統會依照記憶的擁有者範圍再做一層區分：屬於單一使用者的私有記憶、屬於單一 Agent 或單一任務階段的記憶、以及跨多個 Agent 共享的組織記憶,這個區分確保個人化資訊不會被錯誤地套用到不相關的使用者或任務上。

Agent 記憶類型的分類對我有什麼影響，該怎麼運用這套分類？

如果你正在評估或使用任何標榜「有記憶功能」的 Agent 產品,這套分類提供一個具體的檢驗角度：問清楚它的記憶屬於哪一種類型,而不是只看「有沒有記憶」這個籠統的標籤。一個只有短期記憶（對話緩衝區）的 Agent,關掉對話視窗後就會完全忘記你是誰;一個有語意記憶的 Agent,能記住你的基本偏好,但可能沒辦法具體回憶起「上次我們討論這件事時你的態度」；一個同時具備情節記憶的 Agent,才能真正做到「參考過去具體互動」這種更貼近人類助理的體驗。

這套分類也直接關係到你該關心的隱私跟安全問題——不同類型的記憶,牽涉到的資料敏感度跟保存期限邏輯並不相同,語意記憶（一般性偏好）通常比情節記憶（具體互動細節，可能包含更多個人化資訊）需要更謹慎的存取控制,而任何長期保存的記憶,不管是哪一種類型,都應該要有清楚的刪除或遺忘機制,而不是預設無限期累積下去,這也是為什麼多數成熟的記憶架構都會搭配時間衰減、重要性評分,或使用者自訂的保存政策,而不是簡單地「記住一切」。