同一个客户一周之内三次打电话问退换货政策每次客服智能体都「像第一次听到」。这不是 bug是一处结构性的缺失这个智能体记得客户的姓名、订单号、口味偏好也记得当前这通电话正在说什么但它不记得「这位客户上周已经为同一件事问过两次而且越来越不耐烦」。认知科学早把人的记忆拆成四类。工作记忆是当下几秒到几十秒的临时缓冲情景记忆是带时间地点的事件经历语义记忆是去情境化的事实与知识程序记忆是「怎么做」的技能与规则。一篇被 TMLR 收录的 2026 年综述把这套框架原样搬到智能体身上梳理了 218 篇论文给出的结论对企业很扎心主流记忆系统几乎只做齐了工作记忆和语义记忆情景记忆与程序记忆长期空白。这不是学院派的清谈。LangChain 在 2025 年 2 月发布的记忆 SDK LangMem官方文档只列了语义、情景、程序三种长期记忆并且明说发布时情景记忆「还没有开箱即用的工具」。连厂商都承认没做好的那个类型恰恰是企业里「客户一周问三次」这类事故的根源。四种记忆是四笔完全不同的账把四种记忆摊开会发现它们解决的是四件不相干的事存储和检索的原语都不一样。工作记忆对应上下文窗口容量有硬上限、不进则退几秒到几十分钟就消散。语义记忆要「概念键」检索向量库或知识图谱按相似度把事实捞回来回答「用户喜欢什么、条款写的是什么」。情景记忆要「时间键」检索必须答得上「上一次、上周发生了什么、按什么顺序、当时的结论是什么」。程序记忆则是起点是系统提示词、经反馈试错沉淀成的稳定规则和技能库对应人的肌肉记忆。这套分类的学理根基很硬。图尔文 1972 年第一次把情景记忆和语义记忆分开巴德利 1974 年的工作记忆多成分模型给「临时缓冲」立了框架2024 年 CoALA 又把认知架构的这套词表正式搬进了语言智能体。落到工程上四种记忆没法共用一套存储两家独立研究都指向同一结论情景记忆用时间索引最合适语义记忆用图拓扑最合适硬塞进同一个向量库两种都做不好。现实却是绝大多数产品把所有东西压进向量检索加提示词拼接等于拿一把螺丝刀去拧四种不同口径的螺丝。上图四种记忆对应四种不同的存储与检索原语硬塞进同一套向量库会互相拖累。盘点一圈几乎所有人都卡在语义记忆那一格拿几家被反复提起的玩家做一个覆盖矩阵空白会立刻现形。Letta前身 MemGPT把记忆做成内存层级core memory 常驻、recall memory 存完整对话史、archival memory 存可检索事实工作、情景、语义三种都齐了唯独程序记忆是空的persona 是写死的提示词不会从经验里自己长出来。Mem0 主打「自改进记忆层」抽取用户历史和偏好、保留对话程序记忆同样不在能力清单里。唯一的异类是研究项目 Voyager它只做一件事把试出来的代码技能存成可复用的技能库近乎纯程序记忆的实现。换句话说程序记忆也就是让智能体「越用越会做事」的那部分在商用记忆层里几乎全线缺席。这解释了开发者社区一个高频抱怨换个会话、换个模型同一个智能体就像换了新人之前学会的「这个客户的报销单要这么填」全部清零。语义记忆那一格也远没做好。国内大厂最能说明问题。2025 年 10 月起通义千问、Kimi、豆包相继上线记忆功能多家中文媒体交叉报道显示路线清一色是「云端摘要派」把用户说过的话聚类、压缩成摘要反复拼进系统提示词实质是纯文本拼接不是向量检索更不是外接记忆数据库。它记住了「你是谁」却记不住「你们一起做过什么、为什么那么做」决策过程和推理链条在压缩里丢光了。这类缺失在客服和销售场景里直接折算成钱。有企业实践文章举过两个例子一个客服场景里同一客户一周三次询问退换货智能体每次当成新问题引入只记关键事件加时间戳的情景记忆后客户重复说明的次数下降约七成一家制造企业把产品参数从每轮对话重载改为外部事实层响应时间从 30 秒压到 3 秒。这两个数字出自示例性案例、未必是新闻稿但方向与腾讯云官方披露一致其 2026 年 5 月发布的 Agent Memory 称把长期记忆准确率从 48% 拉到 76%、token 开销降 61%。上图LangChain LangMem 官方文档概念指南原图展示语义记忆如何把对话更新进用户 profile2026-10-28来源langchain-ai.github.io记忆是活的存进去不算完四类记忆的缺失只是第一层问题。第二层更隐蔽就算做了的那几类记忆也多半是「存进去就不管」的死档案缺了生命周期里最关键的一环遗忘。认知科学里艾宾浩斯的遗忘曲线说记忆随时间指数衰减。这套机制近年从心理学论文搬进了记忆系统MemoryBank 用遗忘曲线加召回频率给记忆加权Titans 用带遗忘门和动量信号的写入门决定什么值得巩固。但翻遍 Mem0、Letta、Zep 的官方文档没有一家公开说商用产品里用了遗忘曲线。他们最多做到「过期」据两家官方文档Mem0 平台记忆支持 expiration_date 到期后从检索里隐藏注意是隐藏不是物理删除Zep 用时序知识图谱给每条事实打 valid_from、valid_to新旧事实冲突时把旧的失效而非覆盖。把遗忘做成产品体验的反而在国内 C 端。据中文媒体披露Kimi 的 KDA 机制给每条信息一个独立遗忘速率重要的忘得慢、琐碎的忘得快让它「自己知道什么该忘」豆包更直接会话内 1 到 10 轮完整保留11 到 30 轮压缩掉六成冗余31 轮以上裁掉前 20 轮只留最近 10 轮跨会话直接清空。这些都是工程化、制度化的遗忘不是自然发生的遗忘。上图完整记忆生命周期里编码和检索被普遍实现巩固和遗忘两环普遍缺失。删不掉是遗忘缺位最贵的账单「没有遗忘机制」听起来像洁癖直到你算它的账。港科大广州与中科大的 MEMCUT 研究被 36 氪报道后引发了不少讨论它做了个实验往 5 种记忆架构里塞 456 条敏感秘密跑 43402 轮对话然后执行删除看 AI 是不是真的忘了。结果只删掉直接披露的那一条残余信息可恢复率仍有 85% 到 99%哪怕用大模型辅助清理关联记录仍有 39% 到 76% 的秘密能被拼回来。它背后是遗忘机制缺席的必然。向量嵌入没法映射回单一数据主体情景记忆在法律上还可能构成 GDPR 意义上的「画像」被遗忘权延伸到嵌入、微调权重和推导性推断而大多数记忆系统连一份可审计的留存计划都拿不出来。企业真正怕的是删不掉、查不清、说不明白。开发者那头痛点更具体。Mem0 的 GitHub 讨论区有个被顶得很高的案例接入后 26 条记忆聊几轮膨胀到 95 条连「当前时间、日期」都当成记忆存了进来还有人发现「我这周在旅行」这条临时状态旅行结束一个月还在影响回答。写入侧没有筛选读出侧没有衰减记忆就变成垃圾填埋场。污染比膨胀更隐蔽。HaluMem 基准测试显示Mem0、Memobase、MemOS 等主流记忆系统在记忆操作中都会产生幻觉中等上下文下问答幻觉率超过 19%另有研究统计了 2050 条 ChatGPT 记忆发现 96% 由系统单方面建立、只有 4% 来自用户明确指令52% 是对用户的心理推断。系统自己编的记忆比用户告诉它的多得多一旦写错还会被下一轮当成事实再读回来。上图记忆缺生命周期管理会走向膨胀、污染、错位三种失效最终多轮就忘、换人就废。云厂商正把记忆收编成一行账单这些混乱背后一个更大的变量在起作用记忆层正从独立创业公司的卖点变成云厂商基础设施的默认件。据 AWS 官方公告AWS 把记忆做进 Bedrock AgentCore2026 年 10 月起短期记忆改成按量计费每 GB 写入 1 美元、检索 0.2 美元、存储每月 0.1 美元。腾讯云 2026 年 5 月发布 Agent Memory官方宣称把长期记忆准确率从 48% 拉到 76%、token 开销降 61%阿里云百炼、字节扣子、百度千帆也跟进了托管记忆。爱分析测算的中国记忆市场2027 年 78.5 亿元2030 年冲到 642.5 亿元年复合增速超 110%到 2030 年记忆占智能体基础设施的比重接近 26%是仅次于模型的第二大独立市场其中「记忆操作系统」一块 2030 年约 218.5 亿元五年复合增速超 152%。但云厂商的基因决定了短板数据库团队把记忆当存储做重视检索吞吐对「何时该忘、何时该合并、何时让旧事实失效」这套生命周期管理关注不足。记忆被收编成一行账单的同时「会遗忘」这件事反而更没人做了。独立派和内置派的分野已经写进了行业标准征集平台集成型集成快但绑得死独立设施型可跨框架复用但适配成本高两者都没有把遗忘当一等公民。我预判记忆层会裂成两条相反的路一条往下沉被云厂商收编成按量计费的默认组件语义记忆这块的差异化基本归零一条往上走卷向现在几乎空白的两个格子程序记忆和遗忘机制。谁能做出「越用越会做事的智能体」和「删得掉、查得清、会过期的记忆」谁才能在云厂商的账单之外重新立住收费的理由。我赌一句未来一两年记忆产品的宣传话术会从「记得住」翻转到「忘得对」。企业要买的从来是更少的麻烦不是更多的记忆。每日更新。
