Long-term Memory：让 Agent 跨 Session 记住信息

前面几节，我们已经把 Agent 的“短期记忆”体系逐步搭起来了。

我们先有：

Conversation History

用来记录，“过去发生过什么。”

然后有：

Working Memory

用来记录，“当前任务最重要的认知是什么。”

再有：

Session

让用户今天上午的多轮交互，下午还能继续恢复。

接着我们又实现：

Context Window Monitor
Context Compaction

让 Agent 不至于因为历史越来越长，把整个 Context Window 撑爆。

到这里，一个新的问题自然出现，如果 Session 已经结束，哪些信息还值得继续留下？

比如用户今天和 Agent 做了一个重要决定：

这个项目以后统一使用 Python 3.9。

第二天新建一个 Session。

如果 Agent 完全不知道昨天的决定，那它又可能建议：

升级 Python 版本。

再比如今天排查一个复杂项目后，Agent已经确认：

项目入口是 src/main.py
测试框架使用 pytest
部署环境不允许新增依赖
数据库继续使用 SQLite

这些事实并不只是“今天这个 Run 的临时状态”。

它们未来还会继续影响行为。

这就是 Long-term Memory 要解决的问题，让今天形成的重要事实、偏好、决策和经验，在明天的新 Session 里仍然可用。

这里还有后半句话容易被忽略，当事实被纠正、要求已经过期，或者用户要求删除时，明天也不能继续拿旧记忆做决定。 会写入只是起点，能够追溯、更新、失效和遗忘，才算形成完整闭环。

但这一节我们先不急着上：

向量数据库
Embedding
RAG
Memory Retrieval Pipeline

那些技术以后当然有价值。

可如果一开始连，“什么值得记？”

都没想清楚，直接上向量库，只会把大量低质量历史永久保存下来。

所以我们先用最容易理解、最容易调试、最容易审计的方式：

文件系统。

设计：

memory/
├── user.md
├── project.md
├── decisions.md
└── learnings.md

并提供：

read_memory
write_memory
update_memory
delete_memory

让 Agent 真正完成，今天做出的决定，明天继续知道；今天已经纠正的旧结论，明天不再冒出来。

开场引入

先看一个真实场景。

今天下午，用户和 Coding Agent 处理一个 Python 项目。

经过多轮讨论后，用户明确决定，“这个项目以后继续使用 Python 3.9，不要升级版本；测试使用 pytest；除非我明确同意，不要新增第三方依赖。”

当前 Session 里，Working Memory 记录：

Goal:
修复启动问题

Completed:
- 已确认 Python 3.9
- 已确认 pytest
- 已确认不新增依赖

Session 结束。

第二天，用户新开一个会话，“帮我给这个项目加一个配置加载模块。”

如果 Agent 没有 Long-term Memory，它拿到的可能只有：

System Prompt
Current Task
项目文件

然后模型发现：

pydantic-settings

很适合，于是建议，“新增 pydantic-settings 依赖。”

但昨天用户刚说，“不要新增第三方依赖。”

不是模型故意忘记。

而是我们根本没有把这个决定从短期状态提升成长期记忆。

所以关键问题不是，“如何让模型记住所有聊天内容？”

而是，哪些信息应该从 Session 中被提炼出来，成为未来仍然有效的 Memory？

这就是 Long-term Memory 的核心。

真实系统里，长期记忆至少可能包含四类东西：

用户偏好
项目事实
关键决策
经验 / 学习

于是我们把它们拆成：

memory/
├── user.md
├── project.md
├── decisions.md
└── learnings.md

为什么不全放一个 memory.md？

因为一开始看起来简单。

但过一段时间就会变成：

用户偏好
项目路径
旧错误
部署规则
SQL 结论
用户语气
测试命令
经验
决策
……

全部混在一起。

后面既难读，也难更新。

所以和前面 ContextBuilder 一样，我们还是坚持，先把职责边界分清楚。

这一节不会追求“记忆系统有多智能”。

我们先追求：

可读
可改
可追踪
可审计
跨 Session 可复用
可纠正
可删除

这正是文件系统方案最大的价值。我们会先把单用户、单项目的机制讲透，再补上真实服务必须考虑的作用域和权限边界，不让“教学版简单”悄悄变成“生产环境默认安全”。

知识地图

Long-term Memory 在整个 Agent Harness 中的位置：