第 5 章 · 记忆与知识管理：短期、长期与 RAG

第 5 章 · 记忆与知识管理：短期、长期与 RAG

第 2.2 节把 Memory 模块定位为「短期 + 长期」两层骨架，但没展开内部机制。第 4 章又反复看到 ReAct 的「上下文膨胀」痛点。这一章就把记忆系统彻底讲透：短期记忆怎么压缩、长期记忆怎么用向量库存、RAG 怎么从朴素走向进阶、记忆怎么检索更新与遗忘。

章节摘要

记忆是 Agent 超越单次对话、跨越会话积累经验的关键。本章纵向深化 Memory 模块，覆盖四个方面：

1. 短期记忆：上下文窗口的管理与压缩。讲清 Token 预算、滑动窗口、摘要压缩、LLMLingua 式硬压缩等策略，直接回应第 4 章的上下文膨胀痛点。
2. 长期记忆：向量数据库与写入机制。讨论 Embedding 模型、Chroma/Pinecone/Weaviate 选型、记忆写入策略与去重。
3. RAG 检索增强生成：从朴素 RAG 到 Advanced RAG。覆盖检索-生成流水线、混合检索、重排序 Rerank、查询改写、Self-RAG 等技术。
4. 记忆的检索、更新与遗忘：检索时机、记忆衰减、矛盾消解、反思与固化，并连接 Generative Agents 的记忆架构。

本章与《具身智能技术原理》第 4.3 节交叉引用——那里讨论了具身场景下的「工作/情节/语义/程序」四层记忆架构，本章聚焦软件 Agent 的文本记忆工程，不重复具身细节。

学习目标

读完本章，你应当能够：

1. 解释短期记忆的三种压缩策略（滑动窗口、摘要、硬压缩）及各自适用。
2. 选型长期记忆的向量数据库（Chroma/Pinecone/Weaviate），说明 Embedding 在其中的作用。
3. 复述 RAG 流水线，区分朴素 RAG 与 Advanced RAG（混合检索、重排序、查询改写、Self-RAG）。
4. 设计记忆的写入、检索、更新与遗忘机制。
5. 理解 Generative Agents 的「相似度 × 时效性 × 重要性」检索评分公式。

子章节安排与导引

四节构成「短期（当下）→ 长期（持久）→ 检索（取回）→ 维护（更新）」的递进，对应记忆系统的全生命周期。

配图说明

• Mermaid「短期-长期记忆双层架构与 RAG 流水线」：在第 02 节给出。
• SVG「向量检索的召回-重排序两阶段」：在第 03 节给出。
• Mermaid「记忆的生命周期」：在第 04 节给出。
• SVG「Generative Agents 检索评分公式」：在第 04 节给出。

SEO 关键词

智能体记忆、短期记忆、长期记忆、上下文窗口、上下文压缩、LLMLingua、向量数据库、Embedding、Chroma、Pinecone、Weaviate、RAG、检索增强生成、朴素 RAG、Advanced RAG、混合检索、重排序、Rerank、查询改写、Self-RAG、Generative Agents、记忆衰减、遗忘机制。

章节关联

• 前置：第 2.2 节给出了 Memory 模块的骨架与定位，第 4.2 节讨论了 ReAct 的上下文膨胀。本章是两者的纵向深化。
• 后续：第 6 章的工具调用结果会写入 Memory；第 8 章讨论向量库与 RAG 的工程化部署。
• 交叉引用：具身场景下的四层记忆架构详见《具身智能技术原理》第 4.3 节。