2.2 分层存储：核心记忆、召回存储与存档存储

2.2 分层存储：核心记忆、召回存储与存档存储

本节摘要：分层存储是 Letta 记忆系统的机械结构：核心记忆常驻上下文、容量严格受限；召回存储是完整对话的时间轴档案；存档存储是向量化的长期知识库。本节拆解三层各自的结构、容量特征与信息流转规则，并讲清上下文压力下的"分页"如何避免窗口溢出。读完本节，你能为任意一条业务信息指出它该落在哪一层、以什么形态存在。

从物理内存层级借来的蓝图

计算机解决"快而小"与"慢而大"的矛盾，靠的是寄存器、内存、磁盘的层级结构：越靠近运算单元越小越快，越往外越大越廉价，层级之间靠缓存与换页机制衔接。Letta 把这张蓝图原样搬进了智能体：上下文窗口就是"内存"——快，但以 token 计价且容量有限；数据库就是"磁盘"——廉价近无限，但必须显式访问。三层记忆正是这个思路的产物，每一层对应一种信息的使用模式。

值得强调的是，分层不是简单的"大中小"分类，而是一套信息生命周期管理制度：新事实先进入哪层、什么时候晋升或降级、什么时候被淘汰，都有明确的路径。理解了生命周期，你就能解释一个智能体为什么会"记得三周前的小事、忘了昨天聊过的长文"——不是记性不好，是那类信息本就被制度安排在了会淘汰的层。

核心记忆：常驻的工作集

核心记忆（core memory）是唯一整块驻留在上下文窗口里的记忆，由一组记忆块构成。经典的两个块是 persona（智能体的自我设定：身份、语气、行为准则）与 human（对当前用户的认知：身份、偏好、关键事实）。块有三个属性：标签、内容、容量上限——上限以字符计，到顶了就写不进去，模型必须先做替换或压缩。

为什么容量要卡得这么死？因为这块记忆每轮推理都要整体进入提示词，放一行字就烧一行字的 token。硬上限逼着记忆保持"工作集"属性：只放高频使用的事实。一段健康的核心记忆，读起来应当像一张紧凑的备忘卡片，而不是流水账。

开发者的初始设定与运行时观察都围绕块展开：

from letta_client import Letta

client = Letta(base_url="http://localhost:8283")

agent = client.agents.create(
    name="tiered_demo",
    memory_blocks=[
        # 两个经典块：内容务求精炼，它是每轮推理的固定开销
        {"label": "persona", "value": "你是运维值班助理，汇报先说结论。",
         "limit": 5000},
        {"label": "human",   "value": "用户是 SRE 负责人，关注可用性与变更记录。",
         "limit": 5000},
    ],
    model="openai/gpt-4o-mini",
    embedding="openai/text-embedding-3-small",
)

# 随时可以查看块的当前内容与水位
for b in client.agents.blocks.list(agent_id=agent.id):
    print(b.label, len(b.value), "/", b.limit, "字符")
​

模型侧对核心记忆的修改走记忆工具（core_memory_append 与 core_memory_replace），机制在下一节展开。这里先记住容量规则：块是有限的席位，写入新事实的隐含前提是它配得上一个席位。

召回存储：对话的时间轴

召回存储（recall storage）是完整对话事件流的档案馆。每一轮用户输入、智能体回复、内心独白、工具调用结果，都以事件形式按时间顺序落库。它的检索方式有两种：按时间翻页——把窗口外的历史按顺序调回；按语义搜索——用一条查询在全部历史里找回相关片段（对应的内置工具是 conversation_search）。

召回存储解决的是"聊过但已滑出窗口"的尴尬。设想三周前用户随口提过某供应商的交付延迟，当时没写进核心记忆，如今谈论新订单时这份信息突然相关——时间轴一查即得。因为对话历史必须完整可回溯，这层的信息只增不删，也没必要删：它的存储成本远低于重新对话的成本。

存档存储：向量化的大脑外存

存档存储（archival storage）与前两层气质不同：它装的往往不是"对话里说过的话"，而是智能体主动沉淀的知识资产——整份文档、一段分析结论、一次工具调用的结果摘要。写入走 archival_memory_insert，检索走 archival_memory_search，底层以向量表示支撑语义级查找：查询"上次关于付款条款的风险提示"，能召回语义相近的那些段落，哪怕用词完全不同。

这层的容量近乎无限，但质量纪律比容量更关键。检索是按相似度排序的，档案里堆的若多是低质量条目，真正有价值的记忆就会被噪声淹没——工具返回若干条"查到了但没用"的结果，反而消耗模型的注意力。第 5 章的记忆治理会回头处理这个问题，此刻只需建立直觉：存档库是资产，不是垃圾桶。

图 2-2 分层存储的剖面：写入路径与淘汰路径

三层对照表：一张表选对归属

把三层的特性并排放好，遇到任何一条信息都能对号入座：

一个实用的归位口诀：每轮都要用的进核心，聊过就得找得回的进召回，值得沉淀但不必常驻的进存档。 三句话覆盖绝大多数情况。

上下文压力：窗口满了会发生什么

分层的最后一个环节是淘汰。当对话持续增长，消息窗口逼近模型上限时，Letta 触发一次"分页"：把窗口中较旧的消息压缩成摘要，原文完整移入召回存储，摘要与核心记忆一起留在窗口里。这个过程对用户透明，但对理解智能体行为至关重要——被压缩的消息并没有消失，而是从"逐字在场"降级为"摘要在场、原文可查"。

这解释了一个经典的调试困惑：为什么智能体有时答不出"昨天详细说过什么"，却能答出"上周提过的要点"。前者若已滑出窗口且未被召回，只剩摘要级的存在感；后者经过了压缩整理，要点反而醒目。遇到这类问题时，先查召回存储的事件流，再下"它忘了"的结论——多数时候不是遗忘，是降级。

本节要点回顾

• 分层蓝图：借自计算机存储层级——窗口快而贵，数据库廉而大，层间靠换页与检索衔接。
• 核心记忆：由带容量上限的记忆块组成，persona 与 human 是经典配置，只配容纳高频关键事实。
• 召回存储：完整对话事件的时间轴，只增不删，支持时间翻页与语义搜索，负责"聊过的都能找回"。
• 存档存储：向量化知识资产库，容量近无限，质量纪律重于容量，防止噪声淹没真记忆。
• 归位口诀：每轮要用的进核心，聊过要找得回的进召回，值得沉淀不必常驻的进存档。
• 分页机制：窗口逼近上限时旧消息压缩降级为摘要，原文移入召回存储——遗忘感多半是降级感。

下一节进入这套机器的动力舱：模型如何通过记忆工具安全地完成自我编辑，以及这条编辑链路上的每一道闸门。