智能体记忆研究脉络

本文从原“智能体记忆管理”长文中拆出，专门记录认知科学、智能体架构与 2023—2026 年研究演进。

从旧到新：记忆观念如何进入智能体

1. 1885—1970 年代：遗忘、短期存储和多种长期记忆

Ebbinghaus 在 1885 年用重复学习与“节省量”研究保持和遗忘，说明记忆强度会随时间变化，重复会改变保持效果。原始英文译本见 York University 的 Memory: A Contribution to Experimental Psychology。工程启示不是机械套用一条“人类遗忘曲线”，而是承认记忆应有时间衰减、使用强化和清理机制。
Atkinson 与 Shiffrin 在 1968 年提出感觉登记、短时存储、长时存储及控制过程的多存储模型，原始论文存档见 UC eScholarship 的 Human Memory: A Proposed System and Its Control Processes。今天“上下文窗口 + 外部长期库”的分层设计与它形似，但两者不是同一机制。
Tulving 在 1972 年区分情景记忆与语义记忆：前者保留个人事件及其时空关系，后者表示脱离具体经历的一般知识。作者回顾原始区分可见 Episodic and Semantic Memory。
Baddeley 与 Hitch 在 1974 年用“工作记忆”强调短时系统不只是缓存，还承担受控加工；论文 DOI 为 10.1016/S0079-7421(08)60452-1。这比把最近 N 条消息称为“短期记忆”更准确：Agent 的工作记忆还应包含当前目标、计划、约束、变量、工具结果和待办事项。

2. 1959—2010 年代：符号智能体与认知架构已经有工作、情景、语义和程序性记忆

1959 年的 General Problem Solver 用状态、目标、算子和手段—目的分析组织问题求解，原始论文见 A General Problem-Solving Program for a Computer。之后的 Soar 认知架构把当前情境放入 working memory，把 if-then 产生式放入长期 procedural memory，并逐步加入 semantic memory 与 episodic memory；官方说明见 The Soar Architecture、Semantic Memory 和 Episodic Memory。

这一历史很重要：LLM Agent 的“记忆分层”并非 2023 年突然出现。真正的新东西是自然语言成为通用表示和控制接口，LLM 可以参与记忆的提取、总结、关联、反思和调用。

3. 2014—2020：可微外部记忆与 RAG

Memory Networks 和 Neural Turing Machines 把神经网络与可读写的外部存储连接起来；2016 年的 Differentiable Neural Computer 进一步学习分配、读写和时间链接。这些工作主要是端到端可微模型，不等于今天由数据库与工具组成的 Agent memory，但确立了“控制器 + 外部存储”的架构母题。
2020 年 Retrieval-Augmented Generation 把参数知识与可检索的非参数知识结合，解决知识更新和来源问题。RAG 是现代记忆系统的重要部件，但 RAG ≠ Agent memory：静态文档检索通常没有会话状态、写入决策、冲突更新、经验反思和遗忘生命周期。

4. 2023—2024：LLM Agent 记忆从“聊天记录”走向反思、分层和技能

Generative Agents（UIST 2023）：把观察写入 memory stream，按相关性、近期性和重要性检索，并在累积重要度达到阈值时生成更高层反思；观察、规划和反思的消融都影响行为可信度。见论文与 Google Research 条目。它展示的是“事件 → 反思 → 计划”的情景—语义转换。
Reflexion（NeurIPS 2023）：不更新模型权重，而把任务反馈转写成语言反思，保存在 episodic memory buffer 中供后续试次使用。见正式论文。它说明记忆不仅用于回忆事实，也能携带失败教训。
MemoryBank（AAAI 2024）：面向长期陪伴，保存对话记忆、用户画像并用受 Ebbinghaus 启发的时间与重要度机制更新记忆。见 AAAI 正式论文。应注意其“遗忘曲线”是工程启发式，不是对人类认知的精确复现。
MemGPT（2023 预印本，后发展为 Letta）：把上下文窗口类比为有限的主存，把外部存储类比为磁盘，由 Agent 通过工具和中断在层级间移动信息，提出 virtual context management。见 MemGPT 论文。当前 Letta 用始终在上下文中的可编辑 memory blocks、可检索 archival memory 和 conversation search 落地这种分层；见 Letta Memory Blocks 官方文档与 Context Hierarchy。
Voyager（TMLR 2024）：在 Minecraft 中把成功的可执行代码写入不断增长的 skill library，再按任务检索和组合，代表程序性记忆的实用形式。见作者项目与论文。
CoALA（TMLR 2024）：用 working、episodic、semantic、procedural memory 统一描述语言智能体，并把内部记忆动作与外部环境动作纳入决策循环。见 Cognitive Architectures for Language Agents。本文后续分类主要沿用它，但把“时间尺度”和“内容类型”分开，避免把短期/长期与情景/语义混成一条轴。

5. 2025：从平面向量库走向动态组织、时态图和记忆操作系统

Zep / Graphiti（2025-01，预印本）：用时态知识图综合非结构化对话和结构化业务数据，保留关系的历史变化；Graphiti 支持双时间、事实失效和语义/全文/图算法混合检索。见 Zep 论文与 Graphiti 官方文档。它适合回答“某事实在什么时候成立、后来怎样变化”，比只覆盖旧向量更可审计。
A-MEM（NeurIPS 2025）：借鉴 Zettelkasten，为新记忆生成上下文、关键词和标签，动态链接相关笔记；新记忆还会触发既有记忆属性更新，使网络持续演化。见论文与正式收录状态。
Mem0（2025-04，预印本）：在写入时抽取显著信息、合并/更新既有记忆，并提供图增强版本；论文在 LoCoMo 上同时报告准确率、延迟和 Token 成本。见 Mem0 论文与开源项目。论文数字属于作者实验，跨系统比较必须固定模型、提示、检索预算和判分器。
MemOS（2025-05，预印本）：把 plaintext、activation 与 parametric memory 统一为可跟踪、融合、迁移的资源，并以 MemCube 抽象记忆治理。见论文。它更像系统蓝图，生产采用前仍要验证实现成熟度和实际收益。
MemoryAgentBench（2025 预印本，2026-06 更新）：把准确检索、测试时学习、长程理解、选择性遗忘放在增量多轮交互中测量。见论文版本记录。它推动评测从“能否找到一句话”转向“能否随交互更新并主动遗忘”。

6. 2026：记忆管理本身成为可学习策略

截至 2026-08-12，最值得关注的正式成果集中在 ACL 2026 与 COLM 2026：

AgeMem / Agentic Memory（ACL 2026 正式长文）：把长期和短期记忆操作直接纳入 Agent policy，将 store、retrieve、update、summarize、discard 暴露为工具动作，再用三阶段强化学习与 step-wise GRPO 学习何时操作记忆。见 ACL Anthology 正式论文。这标志着从“开发者写死 FIFO、top-k、阈值”向“模型学习控制策略”推进。
Memory-R1（ACL 2026 正式长文）：Memory Manager 学习 ADD / UPDATE / DELETE / NOOP，Answer Agent 先筛选再推理；作者在 LoCoMo、MSC、LongMemEval 与 3B—14B 模型上报告泛化。见正式论文。它把“写入质量”和“读取使用”拆成两个可训练角色。
MAGMA（ACL 2026 正式长文）：让每条记忆同时进入语义、时间、因果、实体四个正交图，由策略按查询意图遍历并组装证据。见正式论文。其意义是检索不再只有“语义最像”，而能匹配“何时、为何、与谁有关”。
经验跟随效应（ACL 2026 正式长文）：高相似任务会诱发 Agent 模仿检索到的旧输出，造成错误传播和不对齐的经验重放；后续任务结果可反过来作为经验质量标签。见 How Memory Management Impacts LLM Agents。这说明“记得越多越好”是错误目标，受验证的少量经验可能优于庞大而混杂的记忆库。
PM-Bench（COLM 2026 正式会议论文）：测试 prospective memory，即 Agent 在处理其他活动时，能否在未来线索或状态出现时执行延迟意图。模拟七天任务中，作者报告最佳设置也仅达到 65.1% F1。见论文及收录状态。这是从“回忆过去”扩展到“记住未来要做什么”。
Mem2ActBench（ACL 2026 正式长文）：不再只问“能否回忆事实”，而是测试 Agent 能否主动利用长期记忆选择工具并填写参数。数据包含 2,029 个 session，并从中构造 400 个工具任务；论文报告七个记忆框架在主动使用记忆完成参数 grounding 上仍不充分。见 ACL Anthology 正式论文。
Memora（ACL 2026 Findings）：覆盖持续数周到数月的个性化对话，评估 remembering、reasoning、recommending，并用 Forgetting-Aware Memory Accuracy 惩罚对已失效记忆的依赖。作者实验发现，多种记忆 Agent 仍会复用旧事实，且对现有基线的改善有限。见论文与接收状态。
EvoMemBench（2026-05 预印本）：沿 in-episode / cross-episode 与 knowledge-oriented / execution-oriented 两轴比较 15 种方法。作者发现长上下文仍很有竞争力；检索式方法偏强于知识任务，而程序性/长期记忆只有在经验与任务结构匹配时更有效。见预印本。