真正的 Agent 要会记住！几万字都讲不明白的 Memory 架构与思考

📌 一句话摘要

本文系统性地提出了 Agent 记忆系统的核心架构，将 Memory 抽象为 Raw Ledger、Views 和 Policy 三件套，并深入探讨了时序记忆、程序性记忆、记忆整合层等前沿方向。

📝 详细摘要

本文由阿里云开发者陈梓康撰写，系统性地探讨了 Agent 记忆（Memory）系统的本质、架构设计与前沿研究方向。文章从三个核心命题出发：Memory 不是存储而是可被决策利用的外部状态、Memory 的最小闭包是(Ledger， Views， Policy)三件套、Memory 的基本单位是 event 序列。在此基础上，作者提出了 System 1（通用 Agent）+ System 2（Agentic Memory）的分工框架，并深入分析了非参数化 Memory 逼近参数化 Memory 的理论基础与上限瓶颈（接口带宽、检索聚合误差、policy 可学习性）。文章还详细讨论了时序记忆的架构意义（bi-temporal + time-sliced recall）、程序性记忆（Procedural Memory）的技能化路径、以及 Memory 整合层的潜层融合与零样本对齐技术。最终，作者将整个 Memory System 抽象为五件套架构：内核/文件系统/可执行文件/总线接口/学习引擎。文章引用了大量 2026 年最新论文（如 AgeMem、InfMem、SimpleMem、ProcMEM、LycheeMemory 等），展现了作者对前沿研究的深入理解与独立思考。

💡 主要观点

- Memory 的本质是(Ledger， Views， Policy)三件套构成的闭环系统。 Raw Ledger 提供权威可审计的原始记录，Derived Views 提供面向检索的派生能力，Policy 控制读写更新决策。三者缺一不可，否则系统要么不可治理，要么不可用，要么不可持续迭代。

System 2（外置化记忆系统）是必要的，记忆能力与 LLM 通用能力相对正交。 外置化 System 2 在可插拔、可迁移、可归因方面带来大量工程好处，虽然牺牲一定理论上限，但更符合当前工程条件与资源约束。

非参数化 Memory 的上限由三类瓶颈决定：接口带宽、检索聚合误差、policy 可学习性。 接口带宽限制注入容量，views 的近似误差污染修正项Δ，policy 的可学习性与可控性是最被低估的瓶颈。其中 policy 必须可训练、可 A/B，而非基于预定义规则。

时序是 Memory 架构的结构维度，而非 metadata。 bi-temporal（valid_time + transaction_time）加上 time-sliced recall 是区分'曾经为真'与'当前为真'的硬约束，不能交给 LLM 自洽猜测。时序影响 Ledger、Views、Policy 三层的语义边界。

Memory System 应抽象为五件套架构：内核、文件系统、可执行文件、总线接口、学习引擎。 内核负责控制与调度，文件系统承载数据层，可执行文件管理程序性技能，总线接口负责记忆与推理的注入，学习引擎实现在线适应。这套抽象不绑定具体实现，描述的是必须存在的模块与接口。

💬 文章金句

- Memory 不是'存储'，而是可被决策利用的外部状态（external state）。

• Memory 的最小闭包不是'文档块'，而是 (Ledger， Views， Policy) 三件套。
• 非参数化 Memory 的真正'上限瓶颈'往往不是存储后端，而是 policy。
• 时序不是 metadata，而是 Memory OS 的结构维度。
• Memory 的本质不是一个组件，而是一个闭环系统：Raw Ledger（权威）→ Views（可用）→ Policy（控制）→ Commit（回写）→ Provenance（可回放）。

📊 文章信息

AI 初评：90

来源：dbaplus社群

作者：dbaplus社群

分类：人工智能

语言：中文

阅读时间：77 分钟

字数：19081

标签： Agent Memory, Memory Architecture, System 2, 时序记忆, 程序性记忆

阅读完整文章