Astria's Blog

主题

记忆压缩与更新 ​

1. 长期记忆的膨胀来源 ​

1.1 背景 ​

Agent 运行时间越久，trace、偏好、事实和失败经验越多。如果只追加不整理，检索结果会变慢、噪声会增加，旧事实会和新事实冲突。记忆压缩与更新要解决长期运行后的维护问题：合并重复内容，降权过期内容，处理冲突，把大量情节记忆总结成可复用语义。

Generative Agents 使用反思把大量观察总结成更高层次的记忆；MemGPT 使用分层内存和显式迁移缓解上下文压力。工程系统可以把这些思想落到压缩、合并、过期和版本控制上。

1.2 何时压缩 ​

触发条件说明动作
同类记忆过多同一项目多条相似事实合并为一条带来源集合的语义记忆
检索噪声上升高相关结果里无关项变多降权低质量记忆
事实冲突新旧信息不一致标记冲突并等待验证
trace 归档任务结束后一段时间抽取摘要并归档原始轨迹
用户纠错用户明确否定旧偏好更新或删除旧记忆

压缩不应丢失审计来源。摘要可以进入上下文，原始 trace 仍要保留在可追溯存储中。

2. 压缩流程 ​

2.1 从情节到语义 ​

压缩结果应写明来源集合，避免只保存一段总结。这样后续发现摘要错误时，可以回到原始任务轨迹。

2.2 压缩对象结构 ​

json
{
  "type": "semantic",
  "content": "liyyro 文档站点使用 VitePress，Agent 文档改动后需要运行 npm run docs:build。",
  "sources": ["tr_001", "tr_014", "tr_019"],
  "confidence": 0.93,
  "supersedes": ["mem_011", "mem_018"],
  "last_verified_at": "2026-06-24T12:30:00+08:00"
}

supersedes 表示这条摘要替代了旧记忆在上下文中的优先级，旧记忆可以保留用于审计，但检索排序降低。

3. 更新与冲突处理 ​

3.1 更新策略 ​

python
def upsert_memory(new_memory, store):
    existing = store.find_similar(
        namespace=new_memory["namespace"],
        memory_type=new_memory["type"],
        text=new_memory["content"],
        limit=5,
    )

    conflict = detect_conflict(new_memory, existing)
    if conflict:
        return store.mark_conflict(new_memory, conflict)

    duplicate = find_duplicate(new_memory, existing)
    if duplicate:
        return store.merge_sources(duplicate["id"], new_memory["source"])

    return store.insert(new_memory)

更新不能只做向量相似去重。相似文本可能表达相反事实，例如“项目使用 VuePress”和“项目迁移到 VitePress”。冲突检测要结合实体、属性、时间和来源。

3.2 冲突状态 ​

状态含义后续动作
active当前可用可进入上下文
superseded被新记忆替代降权，保留审计
conflict与其他记忆冲突不直接用于事实回答
expired已过期默认不召回
deleted用户要求删除物理删除或合规擦除

冲突记忆进入上下文会制造不稳定输出。Runtime 应阻止未解决冲突作为事实依据使用，必要时向用户或工具请求验证。

4. 评估压缩质量 ​

4.1 指标 ​

指标含义检查方式
信息保留率摘要是否保留关键事实人工对照来源
噪声降低检索结果是否更聚焦检索评测集
冲突发现率新旧矛盾是否被标记合成冲突样本
可追溯率摘要能否回到来源source 字段检查
用户纠错恢复用户纠正后是否生效回放测试

记忆压缩的底线是不能把未经验证的总结伪装成事实。压缩后的内容必须带来源、置信度和更新时间。

参考资料 ​