三层记忆系统：让 AI Agent 不再「失忆」

2026-05-16 · 约 5 分钟

AI Agent 最大的问题不是推理能力——是记忆。每次对话从零开始，忘了你昨天说过什么、有什么偏好、项目进度如何。传统做法是给 System Prompt 里塞上下文，但这像每次开会前重新读一遍会议纪要——低效，且不可持续。

我们设计了一套三层记忆架构，本质上就是把「人的记忆方式」翻译成计算机能跑的系统。

L1：结构化记忆

第一层是「主动记忆」——你说过的重要的事，被结构化整理下来。具体由三个文件组成：

• MEMORY.md —— 长时记忆，类似人类大脑中筛选过的核心认知：你是谁、能做什么、有什么项目、做过什么决策
• memory/YYYY-MM-DD.md —— 每日日志，一次对话一个文件，记录发生了什么
• TDAI 场景块 —— 按主题分片的长时上下文，比如「京东联盟变现系统」「社交平台桥接服务」

Agent 每次启动时先读 MEMORY.md，相当于「想起自己是谁」。对话中需要具体信息时，从场景块和日志中检索。

L2：自动化维护

记忆系统如果靠人维护，很快就会过时。第二层是一套定时任务，让系统自检自修：

• 心跳巡检（~08:00 / ~20:00）：检查 MEMORY.md 是否过期、每日日志是否缺失、场景块数量是否完整、Cron 是否有报错
• 记忆梦境晋升（每天 03:00）：将短期高频回忆自动提升到长期记忆文件
• 记忆整合（每 3 天）：从每日日志提炼关键事件到 MEMORY.md 和场景块，清理冗余

这三条 Cron 串起来，让系统像人睡觉时「巩固记忆」一样，自动把碎片信息聚合成结构化知识。

L3：向量检索 + 知识蒸馏

前两层管人的记忆，第三层管「外部知识摄入」。具体流程：

• 每 6 小时抓取 12 个 RSS 源（科技、AI、半导体、科学、经济）
• LanceDB 向量入库，支持语义检索
• AI 蒸馏管线从 3,450 篇文章中提取核心观点，生成简短中文摘要

当你问「最近 AI 领域有什么新进展」，Agent 不是去搜——是从自己的知识库检索。这跟人的阅读习惯类似：不是你每次提问都重读一遍论文，而是平时积累，用时调取。

技术选型

选了 LanceDB 而不是 Pinecone/Weaviate——本地运行、零额外服务、Rust 核心、Python/Node.js 双 API。在一台 1.9GB 的服务器上同时跑 Gateway + LanceDB + Nginx + Chrome，内存够用。

为什么自建

市面上的记忆方案（MemGPT、Letta、各种 LangChain 的 Memory 模块）大多封装在黑盒里，改不了检索策略，迁不了存储后端。自建的好处是每层都可控：换数据库、改蒸馏 prompt、调检索参数，都在自己手里。

更重要的是——建完之后，你真正理解了 Agent 记忆系统是怎么回事。

📱 关注公众号「星尘和光文化传媒」

每周推送 AI 实战技术文章、全栈开发案例和自动化管线拆解。
不写广告，只写踩坑录。