本文深入探讨了如何让客服 Agent 记住上下文和历史知识，提出了三层记忆架构：短期记忆（上下文窗口）、长期记忆（知识库）和情景记忆（历史交互摘要）。文章详细阐述了如何设计 token 预算分配、选择合适的检索策略（向量检索、BM25、混合检索），以及如何进行记忆压缩和摘要。通过对比实验，展示了三层记忆系统在处理长对话中的优势。最后，给出了一个决策框架，帮助工程师根据对话轮数选择合适的记忆方案。

一个客服 Agent，用户第三轮说"我之前说的那个订单"，Agent 完全不知道"那个订单"是什么——因为前两轮的对话已经被截断了，而且没有做情景摘要。

阅读提示

• 适合谁看：理解了推理模式和工具调用（看完前两篇）、现在要解决"怎么让 Agent 记住上下文和历史知识"的工程师
• 看完能做什么：设计三层记忆架构、实现记忆压缩、选择合适的检索策略
• 不适合谁：还没理解推理和工具调用的读者（先看前两篇）

先给结论

• Agent 的记忆不是"把历史消息塞进上下文窗口"——上下文窗口是短期记忆，但 Agent 还需要长期记忆（知识库）和情景记忆（历史交互摘要）
• 记忆系统的核心矛盾是"检索精度 vs 上下文长度"——塞太多记忆会稀释关键信息，塞太少会丢掉重要上下文
• 记忆写入比记忆检索更难——什么时候该存、存什么格式、怎么去重和更新，这些问题比"怎么检索"更关键

01 三种记忆类型

图 1｜Agent 三层记忆架构

短期记忆（上下文窗口）：当前对话的完整上下文。受 token 上限限制（比如 4K / 8K / 128K）。对话结束后丢失。

长期记忆（向量库 + 知识图谱）：持久化存储，支持语义检索。跨对话保留。存的是"事实"和"知识"。

情景记忆（交互摘要 + 决策记录）：历史对话的压缩版本。保留关键决策点和上下文，但丢弃冗余细节。跨对话保留。存的是"经历"和"判断"。

三者的关系：

• 短期记忆满了 → 压缩成情景记忆
• 情景记忆积累多了 → 提取关键事实存入长期记忆
• 新对话开始 → 从长期记忆和情景记忆检索相关上下文，注入短期记忆

02 短期记忆：token 预算分配

上下文窗口是有限的。怎么在有限的 token 里最大化信息密度？

推荐的 token 预算分配：

历史消息的截断策略：

• 滑动窗口：只保留最近 N 轮对话（简单但会丢失早期重要信息）
• 重要性排序：根据消息的重要性（是否包含决策、是否被引用）选择保留
• 摘要替换：把早期对话压缩成摘要，替换原始消息

03 长期记忆：向量检索 vs BM25 vs 混合检索

图 2｜记忆检索策略对比

向量检索：用 embedding 模型把记忆和查询都转成向量，计算余弦相似度。

• 优点：语义理解能力强，“用户投诉"能匹配到"客户不满”
• 缺点：精确关键词匹配弱，"订单号 12345"可能匹配不到

BM25 关键词检索：基于词频-逆文档频率的统计方法。

• 优点：精确关键词匹配强，速度快
• 缺点：语义理解弱，“投诉"匹配不到"不满”

混合检索（推荐）：向量 + BM25 加权融合。

def hybrid_retrieve(query, vector_store, bm25_index, alpha=0.7): # 向量检索 vector_results = vector_store.search(query, top_k=20) # BM25 检索 bm25_results = bm25_index.search(query, top_k=20) # 加权融合 combined = {} for r in vector_results: combined[r.id] = alpha * r.score for r in bm25_results: combined[r.id] = combined.get(r.id, 0) + (1 - alpha) * r.score return sorted(combined.items(), key=lambda x: -x[1])[:10]

04 情景记忆：压缩时机和摘要粒度

什么时候该压缩：

• token 使用超过 80%：触发压缩，把早期对话摘要化
• 对话结束时：把整轮对话的关键信息提取出来存入情景记忆
• 关键决策点：用户做出了重要选择（比如"就选方案 A"），立即记录

摘要的 Prompt 模板：

请将以下对话压缩为结构化摘要，保留： 1. **用户的核心需求和偏好** 2. **做出的关键决策及其原因** 3. **未解决的问题和待办事项** 4. **重要的事实信息（数字、日期、名称）** 丢弃： - 寒暄和无关对话 - 已经被后续消息覆盖的信息 - 重复的确认对话 对话历史： {history} 输出格式： { "user_needs": "...", "key_decisions": [...], "open_questions": [...], "important_facts": [...] }

在我们的项目里，情景记忆的压缩比约 10:1（1000 token 的对话压缩成 100 token 的摘要），但关键决策点的保留率要保证 95% 以上。

05 记忆写入：去重 / 更新 / 过期

去重：相似记忆合并。用户在第 2 轮说"我喜欢红色"，第 5 轮说"我偏好红色和蓝色"——应该合并为一条"用户偏好：红色、蓝色"，而不是存两条。

更新：旧信息覆盖。用户第 1 轮说"我的地址是北京"，第 3 轮说"我搬到上海了"——应该更新为"用户地址：上海"。

过期：时间衰减。三个月前的对话细节可能已经不重要了，降低检索权重。

优先级：重要记忆保留。包含决策、数字、名称的记忆比一般对话更重要。

06 最小实验：三层记忆 vs 只有短期记忆

实验设计：一个客服 Agent，用户连续对话 10 轮，对比两种配置的回答质量。

只有短期记忆（滑动窗口 5 轮）：

• 第 6 轮开始，用户说"我之前说的那个订单"——Agent 不知道是哪个订单
• 第 10 轮，用户说"按之前的方案处理"——Agent 完全不知道之前的方案

有三层记忆：

• 第 6 轮：Agent 从情景记忆检索到"用户在第 2 轮提到订单号 12345"
• 第 10 轮：Agent 从情景记忆检索到"第 4 轮确定的方案：退款 + 补发"

效果差异：在 10 轮对话中，有三层记忆的 Agent 回答准确率约 88%，只有短期记忆的约 62%。

07 边界：什么场景不需要复杂记忆系统

单轮任务：用户问一句、Agent 答一句，不需要记忆系统。比如"翻译这段话"、“计算这个公式”。

无状态服务：每次请求独立处理，不需要跨请求记忆。比如"批量分类 100 条文本"。

上下文窗口足够大：如果模型支持 128K 上下文，且对话轮数不超过 20 轮，短期记忆就够了。

08 给读者一个能用来做决策的结论

决策帮助

• 如果你的对话轮数 < 10 轮：短期记忆（滑动窗口）就够了，不需要复杂记忆系统
• 如果你的对话轮数 > 10 轮：加情景记忆（压缩摘要），解决"早期对话被截断"问题
• 如果你的Agent 需要跨对话记忆：加长期记忆（向量库），存储用户偏好和历史事实
• 如果你只能先做一步：实现一个 token 超 80% 时自动压缩历史的机制——这一步能解决 80% 的"记忆丢失"问题

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

大模型入门到实战全套学习大礼包

1、大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

2、大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

3、AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

4、大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

5、大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

适用人群

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】