上下文工程 · 第 4 章 记忆分层

上下文工程 · 第 4 章 记忆分层

章节摘要：常驻层定型之后（第 3 章），进入动态层的第一站。记忆是四成分中唯一"系统在运行中自己长出来"的成分——开发者不写它，应用在每一轮对话里生产它；也因此它是唯一不能靠人裁剪、只能靠运行时策略管住的成分（1.2 节）。本章把记忆拆成三层：会话内记忆（当前对话的历史，记忆的最小形态，驱逐与压缩的主战场）、跨会话记忆（用户偏好、事实与约定，让下一次会话"认得出人"）、知识库（组织级长期知识，量大到只能按需检索供给）。4.1 给出三层对照表与各自的供给时机，并澄清一个高频混淆：知识库检索结果进入窗口的那一刻，身份是素材而非记忆。4.2 讲跨会话记忆两端的手艺——写入门槛三问、三种写入时机、召回的量与位置——恰好对应 LangChain 四操作中 write 与 select 在记忆成分上的落地，并附 ce_memory.py 最小分层记忆示意。记忆机制的实现纵深（存储引擎、遗忘策略、产品级实现）由 同站教程库记忆系教程承担，本章只管决策层。

学习目标

阅读完本章，你应当能够：

1. 默写记忆三层对照表：内容 / 生命周期 / 供给时机 / 预算位置 / 治理手段。
2. 用三问辨析"知识库检索结果是记忆还是素材"，说出判别口诀。
3. 识别三个典型混层事故并给出修正方案。
4. 用写入门槛三问判断一条信息该不该进跨会话记忆。
5. 设计一套召回策略：何时检索、召回多少、注入到窗口哪个位置。
6. 读懂并改造 ce_memory.py，把分层记忆接到自己的应用上。

核心概念速览

（文字流程图）
M ──▶ "跨会话记忆（4.1 / 4.2）·偏好 / 事实 / 约定：·会话开始召回，预算小而值钱"
M ──▶ "知识库（4.1）·组织知识：全量装不下·只能按需检索（第 5 章）"
"跨会话记忆（4.1 / 4.2）·偏好 / 事实 / 约定：·会话开始召回，预算小而值钱" ──▶ "写入策略（4.2）·什么值得记 · 何时写入 · 记成什么形态"
"跨会话记忆（4.1 / 4.2）·偏好 / 事实 / 约定：·会话开始召回，预算小而值钱" ──▶ "召回策略（4.2）·何时召回 · 召回多少 · 注入哪里"
​

一句话金句：会话内记忆管"接得上话"，跨会话记忆管"认得出人"，知识库管"答得出事"——三层各有各的供给时机，混为一谈是记忆事故的第一来源。

💡 本章与第 5 章共用一个背景：动态层是预算的主战场（2.1 节），而记忆在动态层里份额不大（会话历史常见 15% 上下，跨会话召回 1%~5%，示意）、事故却最多——因为它在长，而会话进行中没有人在场盯它。

子章节导航

4.1 会话内、跨会话与知识库

三层记忆的对照表与判别口诀；各自的供给时机与预算位置；三个混层事故案例；与 LangGraph state / store 概念的对照翻译。
本节产出全书第二张核心表——记忆三层对照表，记忆设计的第一张图。

4.2 写入与召回策略

写入门槛三问；三种写入时机与三种写入形态；召回的量、位置与格式；ce_memory.py 最小分层记忆示意；记忆卫生（过期、冲突、遗忘）。
本节把跨会话记忆从"一个愿望"变成一条可运维的管道。

子章节之间的逻辑关系

4.1 三层地图（是什么：记忆分几层、各自何时供给、跟素材怎么划界）
   │  层划清了，问"跨会话那层的两端怎么做" ↓
4.2 写入与召回（怎么管：进什么 · 何时进 · 怎么出、出多少）
   │  记忆成分的决策齐了 ↓
第 5 章 素材成分（动态层的另一半：按需供给与片段组装）
​

4.1 是空间维度的拆解（记忆装在哪几层、各层何时进窗口），4.2 是时间维度的操作（一条信息何时写入、何时召回、以什么形态存在）；前者划辖区，后者定流程。会话内记忆的运行时治理——驱逐与压缩——已由 2.1 节立规、第 6 章收尾，本章不重复展开。

读毕自检：为你手上的应用列一张三栏清单——会话历史现在靠什么治理、跨会话库里存了什么、知识库从哪取。说不出话的那一栏，就是本章要替你补的。

前置知识与后续延伸

前置知识：1.2 节四成分表与三问（记忆的归位，及"知识库检索结果是素材"辨析的判据）；2.1 节分配表与驱逐顺序（会话内历史是驱逐顺位的常客）；2.2 节位置效应（召回的记忆注入窗口哪一段，直接用它的推论）。
建议边读边把自己的记忆现状画成三栏表，章末对照 4.1 的对照表补全空栏。

为后续奠定基础：4.1 的知识库一层直接铺向第 5 章检索式上下文——RAG 正是知识库的供给形态；4.2 的写入与召回是第 7.1 节 write / select 两操作在框架组件上的落地对象；跨会话记忆的召回额度在 7.2 节客服案例的预算表里占一行。记忆机制的纵深——分层存储引擎、遗忘曲线、产品级实现——深潜见 《腾讯 Agent Memory 记忆系统》与《memU 记忆框架》教程（纯文字互引，不在此展开）。