我第一次把 DeerFlow 跑起来的时候，其实有点不以为然——不就是把大模型的对话流程做成 DAG 图吗，编排节点、串接工具、再加上流式输出，这类框架这两年见得多了。真正让我停下来多看了一会儿的，是里面“长期记忆”那一块的设计。它不只是把聊天记录扔进向量库里就算完事，而是把记忆当成了一套有写入策略、有检索机制、有衰减淘汰规则的独立子系统。

这篇文章就从我自己的理解出发，用一个最小可运行的示例，拆一下字节开源项目 DeerFlow 的长期记忆实现思路。你会发现，长期记忆这件事想要做好，真正麻烦的地方根本不在“存得下”，而在“记得准、忘得对、用得上”。这篇文章适合正在做智能体开发、想给自己 Agent 加上跨会话记忆能力的开发者，也适合对 AI 应用架构感兴趣的人。

1. 先搞清楚：智能体的长期记忆到底解决什么问题

我们先把话说明白。一个没有记忆的智能体，本质上就是一个“每次都被清零重来的对话接口”。你上轮告诉它“我是后端团队的，这边数据库统一用 PostgreSQL，所有 schema 变更都要走评审流程”，过两天你再问它“我改个表结构要注意什么”，它一脸茫然。这不是模型笨，而是状态没有被持久化。

长期记忆要解决的，就是让智能体在跨越多个会话、多个时间点之后，仍然能保持对用户背景、偏好、历史决策的连续理解。这在真实业务里太重要了。我做过的几个智能体项目里，用户最大的抱怨往往不是“模型回答不准”，而是“它老是不记得我说过什么”。尤其是 To B 场景，用户的岗位角色、技术栈、组织流程这些信息，一旦每轮都要重新交代，体验就彻底崩了。

DeerFlow 的长期记忆方案，给我的感觉是它在“记忆”这件事上想了三个层次的问题：

第一，记忆怎么写。不是所有对话都值得长期保存，必须要有筛选和提炼，否则存得越多，噪音越大，检索到的质量就越差。第二，记忆怎么读。不是每次回复都要把所有历史捞出来，要在合适的时机、合适的粒度下召回相关的片段。第三，记忆怎么更新。用户的偏好是会变的，去年的技术栈今年可能就换了，旧记忆必须能被覆盖和纠正。

这三点看着简单，真正落地的时候，每一层都有坑。DeerFlow 的思路是把它们拆成记忆节点，编排进 Agent DAG 里，而不是让模型自己瞎记。这个设计上的克制，我觉得是它最值得学习的地方。

2. 长期记忆实现的核心设计拆解

在 DeerFlow 的工作流里，长期记忆不是一个统一的大黑盒，我更愿意把它拆成三条逻辑链来看：存储层、写入链路、读取链路。

2.1 存储层：记忆数据是怎么组织的

先说存储。DeerFlow 风格的记忆存储不会把所有内容混在一个桶里。我见过很多自研 Agent 项目，把历史对话一股脑塞进向量库，然后每次查询直接 top-k，这种做法初期能用，等到数据量上来就越来越钝。原因很简单：向量检索适合找“语义相似的片段”，不适合找“结构性的事实”。

DeerFlow 给我的启发是，记忆数据要按类型分层：

• 短期会话上下文，保存在对话工作流内部，会话结束就清理。
• 场景记忆，记录类似“用户上次在调试支付回调”这种和当前任务相关的中间状态，保留几周或几个月。
• 长期用户画像，记录“用户是后端开发、偏好 PostgreSQL、变更需要评审”这类稳定的事实，生命周期很长。

对长期用户画像这类数据，我用过两种方案来落存储：一种是用关系型数据库或 KV 存结构化的“属性槽”，比如userId + attribute + value + updatedAt；另一种是用向量库存语义化的记忆片段，按用户 ID 做命名空间隔离。DeerFlow 的做法更偏后者，同时会给记忆条目带上 namespace、时间戳、来源事件 ID 这类元数据。这非常关键，没有元数据的记忆库，后续做过期策略和冲突更新的时候你会很痛苦。

2.2 写入链路：不是所有对话都值得记住

这是我要重点讲的部分。我见过最典型的翻车做法，是把用户每一轮说的话都原封不动地写入记忆库。结果是什么？召回的时候什么都是“相关”的，又什么都不可靠。用户随口一句“今天天气不错”，也会和“他在考虑迁移数据库”这种重要信息混在一起。

DeerFlow 给我的感觉是，它在记忆写入前加了一个“提炼”动作。说白了，就是在工作流里单独放一个节点，用 LLM 把当前对话中值得长期保留的信息抽出来，格式化成结构化的记忆条目。比如用户说了三句闲聊、一句关键决定，记忆写入节点就只抽出那一句关键决定，并打上意图标签和置信度。

我自己常用的做法是让提炼节点输出这样的格式：

{ "fact": "用户所在团队统一使用 PostgreSQL", "type": "preference", "importance": 0.9, "expire_at": "2026-01-01T00:00:00Z", "source": "session_1243" }

这里最重要的两个字段是type和importance。type决定这条记忆会被放到哪一类记忆池，importance决定后面做压缩淘汰时，谁先被挤出局。DeerFlow 这类框架虽然不同版本内部实现不太一样，但把“记忆写入”当成一个独立可编排的节点，这个思路是共通的。

2.3 读取链路：记忆召回要和当前问题强绑定

写入做完了，读取才是决定体验的胜负手。很多团队把读取做成“每次请求都历史全量召回”，这其实很蠢。第一浪费 token，长上下文一旦超过模型窗口，性能反而下降。第二是干扰模型判断，不相关的老黄历会带偏回答。

我会在读取链路里做三步：

第一步是意图判断。先让一个轻量节点判断当前这轮问题需不需要长期记忆。如果用户就是随口问一句“你好”，完全没必要查库。

第二步是查询改写。把当前问题改写成更适合检索的形式。比如用户问“我改个表要注意什么”，如果用户画像里有“PostgreSQL”这个事实，那改写后的查询可能就不只是“改表注意事项”，而是“PostgreSQL 改表注意事项 + 团队流程约束”。

第三步是阈值过滤和重排。向量检索出来的 top-k 并不直接可用，还要过滤掉相似度低于阈值的条目，再按重要度和时间衰减重新排序。这里有个参数值得关注：时间衰减。一年前的一条记忆，即使语义相关，优先级也要降一降，除非它是“团队统一使用 PostgreSQL”这种不会过期的硬约束。

读取链路做好了，你会明显感觉到智能体像是“记得你”的，而不是在靠系统提示词里塞一堆历史记录硬撑。

3. 一个可运行的示例：跨会话记住用户偏好

这里我写一个简化但完整的示例，带你走一遍 DeerFlow 式的长期记忆工作流落地流程。场景是做一个“后端项目小助手”，要求它能跨会话记住用户的技术栈偏好和团队约束。

3.1 工作流整体结构

我在 DeerFlow 里会把工作流设计成这样的 DAG，节点之间有明确的输入输出，不搞隐式共享变量：

input_user_message | v memory_recall_node | v agent_reason_node | v output_stream_node | v memory_write_node

有人会问，为什么把memory_write_node放在最后而不是在回复之前？因为你要写入的“事实”，往往要在模型完成推理之后才能确认价值。比如模型通过推理判断出用户那句话确实是一个新的长期偏好，再写库。当然你也可以并行去写，但我建议先用一个独立的写节点，方便做失败重试和日志追踪。

3.2 流程一：用户首次说出关键偏好

假设用户说：“我这边后端主要用 PostgreSQL，以后凡是涉及数据库迁移的改动，都得先在群里同步一下。”

DeerFlow DAG 跑起来大概是这么个过程。

memory_recall_node第一阶段检索，因为这是新用户，记忆库为空，所以没有召回任何条目，返回一个空的上下文片段。此时工作流不会报错，它会把“无召回”当成一个合法状态，只是提示信息减少。

然后agent_reason_node拿到原始用户消息，正常生成回复，可以回应说“明白了，后续涉及 PostgreSQL 迁移的事项，会先提示你走群内同步流程”。

关键动作发生在最后。memory_write_node先做提炼，把上面两段信息拆成两条记忆：

• 事实一：用户后端技术栈是 PostgreSQL，类型为long_term_attribute，重要度 0.9。
• 事实二：数据库迁移改动需要先在群内同步，类型为workflow_rule，重要度 1.0。

两条记忆写入向量库，同时更新结构化用户画像表里的db_tech_stack字段。注意，这里我不仅写向量库，还写结构化槽位。当模型需要精确的偏好值时，结构化槽位比向量召回稳定得多。DeerFlow 方案在我理解里也支持这种多模态的记忆写入，所以别只盯着向量库。

3.3 流程二：几天后用户追问数据库迁移问题

过了几天，用户带着几乎完全不同的语气回来问：“我刚看了一下当前库里的分区表，有点想改成分区策略，但怕影响线上，我该注意什么？”

如果是一个无记忆的 Agent，它只能根据这句话进行泛泛回答。但在 DeeerFlow 式的工作流里，memory_recall_node会先做查询改写，生成类似“PostgreSQL 分区表变更注意事项 + 是否涉及迁移 + 团队同步要求”的检索条件。然后从长期记忆库里召回两条高相关条目：

• “用户后端技术栈是 PostgreSQL”
• “数据库迁移改动需要先在群内同步”

这两条并不是以完整聊天记录的形式存在于记忆库，而是经过提炼的独立事实。模型在生成回答时，会被明确告知这两条来自长期记忆，并且带上置信度和时间信息。这样生成出来的回答就会变成：

“你这个分区调整本质上属于一次 DDL 变更，从你之前数据库统一用 PostgreSQL 的背景来看，建议优先用原生分区表而不是中间表切换，同时因为你们内部有‘迁移先同步群’的规则，建议操作前先在群内发个变更计划。”

看到区别了吗？它回答得不再是通用方案，而是贴着你的上下文和流程约束来回答。我认为这是长期记忆最大的价值：让大模型从“万金油”变成“懂行的人”。

3.4 流程三：用户偏好发生变化时怎么覆盖旧记忆

长期记忆还有一个绕不开的场景：用户改主意了。还是同一个用户，过了半年说：“我们现在全面切到 MySQL 了，后面新需求不要用 PostgreSQL 的技术方案了。”

如果记忆系统只能追加不能覆盖，那模型就会同时看到“用户用 PostgreSQL”和“用户用 MySQL”两条矛盾记忆，轻则回答摇摆，重则直接把模型搞懵。DeerFlow 风格的实现里，记忆更新一般不是直接删除旧条，而是采取“版本化”策略。

我在落地时是这样做的：

• 新条目写入时带一个supersedes字段，指向旧条目的 ID。
• 旧条目不立即物理删除，而是把状态标记为archived或superseded。
• 检索时默认过滤掉被新条目覆盖的旧条目，但如果用户显式问“我以前是不是说过我用 PostgreSQL”，工作流可以通过include_archived=true把旧状态也翻出来回答。

这样做的好处是既保持了记忆的时效性，又保留了追溯历史的能力。数据团队做审计或者排查模型“为什么这么回答”的时候，不会因为记忆被物理删除而抓瞎。

4. 长期的实战配置与参数经验

如果说上面还是架构层面的思路，那这一节就是我实际调参过程中沉淀下来的实用经验了。DeerFlow 本身在持续迭代，具体配置项每个版本可能不太一样，但底层那些“长期记忆好不好用”的关键参数，在各家实现里都是相通的。

4.1 向量检索的相似度阈值不要固定死

很多同学会在配置里写死一个 top_k = 5 或者 threshold = 0.7。我踩过几次坑之后，现在会这么调整：

• 把 top_k 故意调大一点，比如先召回 20 条。
• 用重排序步骤把相关度最高的 3 到 5 条选出来。重排序可以用一个小的交叉编码器模型，也可以在 DeerFlow 里单独挂一个 LLM 节点做 rerank。
• 如果某条记忆本身带有高重要度，比如importance=1.0的团队硬约束，即使向量相似度略低于阈值，也应该强制带上。

你看，这就是为什么记忆条目必须要有元数据。没有元数据，你就只能用相似度一个维度做取舍，维度太单薄了。

4.2 时间衰减和生命周期要按记忆类型分开配置

我给自己的系统配了两套衰减策略。对用户偏好类的长期画像，几乎不衰减，除非被新条目显式覆盖。对场景类的临时记忆，比如“用户本周在排查支付回调问题”，我会设一个较短的过期时间，一到两周后逐渐降低权重，一个月后进入可清理状态。

这里给一个参考配置：

按类型区分衰减，而不只是按时间戳一刀切，这样长期记忆才会更接近人类记忆的规律。

4.3 记忆召回和 Prompt 拼接的细节

即使长期记忆工作流已经跑通，召回结果往 Prompt 里拼接的时候，我仍然建议用一个清晰的 XML 式结构把它框起来，而不是直接和用户消息混在一堆。我在 DeerFlow 的 agent 节点里实测下来，下面这种格式最不容易让模型混淆：

<long_term_memory> <item source="..."> <fact>用户后端技术栈是 PostgreSQL</fact> <captured_at>2025-11-01</captured_at> </item> <item source="..."> <fact>数据库迁移改动需要群内同步</fact> <captured_at>2025-11-02</captured_at> </item> </long_term_memory>

在 Prompt 里明确告诉模型：这段内容来自长期记忆，可能是早期记录，必要时要能意识到它已过期。别小看这句话，我见过太多次模型把记忆里的旧事实当成当前硬约束，回答完才发现用户早就换了技术栈。

5. 人机协同、流式输出与可观测性

标题开头那个热词列表里出现了“deerflow 人机协同”和“可观测”这几个词，长期记忆和它们并不是割裂的，正好借这一节串一下。

5.1 记忆流提示与人机协同的配合

在人机协同场景里，长期记忆不只是给模型看的，也要给“人”看。我的做法是，在回复内容之外，额外通过一个 debug 通道往前端推送一条“记忆召回摘要”，告诉用户或开发者：“这次回答引用了你三天前说的 PostgreSQL 偏好。”这种透明的记忆展示，能极大降低用户对“AI 怎么知道得这么清楚”的困惑，也让人工审核人员能快速确认记忆召回是否正确。

DeerFlow 支持把多个节点编排成一个 DAG，在记忆召回和模型回复之间，我建议保留一个可配置开关：如果用户处于“专家模式”，可以让它直接看到原始召回条目和置信度；如果用户只需要结果，就只展示一句“已自动参考历史上下文”。

5.2 结合 SSE 流式接口做记忆写入的时机控制

很多 Agent 都采用 SSE 流式接口交互，DeerFlow 里也逃不开“封装 SSE 流式接口调用逻辑，完成流式消息解析”这件事。在长期记忆这里有一个容易被忽略的点：记忆写入一定要等流式回答结束之后触发，或者至少等到模型端出了done事件再触发。

我之前图省事，想一边流式输出一边做记忆写入，结果经常出现模型生成到最后一步突然自我纠正的情况，而前面的“半成品”已经被写进记忆库了，造成脏数据。现在改为：先把流式输出实时推给前端，但记忆提炼节点只监听流结束事件，再把完整回答交给提炼逻辑去抽取事实。这样虽然多了一次等待，但记忆质量高很多。

5.3 长期记忆的可观测性怎么落地

“可观测”这个词在长期记忆里尤其要落地。AI Agent 的记忆出问题，不像普通服务报错那么直接。你说不清是“没写入”“写错了”还是“召回了不该召回的”。我给的排查链路是：

在记忆写入节点记录memory_written_total指标，标注类型和来源。在记忆召回节点记录memory_recalled_count指标和平均相似度。再把每次写入前后的记忆快照作为 trace span 关联到会话 ID 上。这样一旦用户反馈“它怎么不记得我说过 XXX”，我直接查这个会话 ID 关联的 trace，能看到当时记忆库里到底有没有这条数据、召回时阈值够不够、Prompt 里到底拼没拼进去。

操作上，我会把长期记忆工作流单独抽成一个中间件，并对接 OpenTelemetry。DeerFlow 这类支持 DAG 编排的框架，天然能让每个节点输出 trace span，颗粒度比传统单体对话服务好太多了。

6. 常见问题与排查技巧实录

我把自己在项目里踩过的、以及在社区里看到大家讨论最多的几个长期记忆问题，整理成了一张排查表。这比任何理论都实用。

6.1 我踩得最重的一个坑

要说印象最深的坑，还是“无差别写入”。第一版方案为了省事，把每一轮对话都送进记忆提炼节点。结果模型为了表现得更尽职，把大量低价值信息都提炼成了“长期事实”，包括“用户昨天心情不错”“用户提到很忙没时间做饭”。这些信息占满了向量库的召回空间，真正重要的偏好反而不容易排到前面。

后来我加了一道前置过滤节点，先用规则判断这一轮是否包含潜在的长期价值。比如消息里出现了技术栈关键词、项目名、时间节点、流程约束词，才进入提炼节点；否则直接跳过。这一改，召回准确率肉眼可见地提升了。

这里也可以分享一个个人经验：不要贪心。长期记忆系统的能力边界，不是由“能存多少”决定的，而是由“能否在正确的时候忘掉错误的旧信息”决定的。把记忆当成有生命周期的资产去管理，它才会真的对你有用。

6.2 多租户与数据隔离的补充

最后补一句数据隔离。给企业做 Agent 的时候，长期记忆库里绝对不能只有一个裸集合，至少要做到tenant_id + user_id双层命名空间隔离。DeerFlow 示例里可能只写单用户，但实际部署到多团队场景，没有隔离意识的记忆系统等于给自己挖坑。我在每个记忆条目上都会强制带上tenant_id，查询时也必须在过滤条件里带上，防止跨部门串数据。这是合规问题，不只是技术问题。

7. 写在最后的体会

我自己在完整跑通这套长期记忆方案之后，一个非常强烈的感受是：长期记忆能力，最后拼的不是模型能力，而是工程治理能力。模型再聪明，也不会自动替你决定哪些信息该长期记住、哪些过期信息该丢掉、哪些旧版本和更新版本要如何在大脑里共存。这些规则，全部要靠工作流设计来回答。

以后再做智能体项目，我肯定都会按这个思路来设计记忆层：写入走提炼节点，读取走检索加过滤节点，更新走版本覆盖机制，全程接上可观测系统。这套方法论比单独某一行代码重要得多，你甚至可以把它复用到任何框架里。

如果想让记忆层更完善，下一步可以考虑加上周期性记忆总结节点。比如每天凌晨对近期记忆做一次压缩合并，把重复条目归并成一条高置信度的事实。这个动作我试过，效果很不错，既降低存储成本，又减少检索噪音。你可以从简单的“按 user + 时间窗口跑定时任务”开始试。