★ FEATURED ARTICLE 本文探讨了 Agent 为什么会“忘记”之前的信息并提出了三种解决方案将信息分类保存眼前工作、长期事实、历史细节设计记忆流程保存、查找、确认以及选择合适的工具摘要、关键词搜索、向量搜索、知识图谱。文章还介绍了 Claude Code、Codex 和 Hermes Agent 三种主流系统的记忆机制并建议根据实际需求选择合适的记忆系统让重要信息在需要时能够被 Agent 调用。你昨天花了半小时告诉 Agent 项目背景、技术选择和写作要求。今天打开新会话它却像第一次见面又问一遍背景甚至推翻昨天刚定下的方案。这通常不是模型“变笨”了而是系统没有把昨天有用的信息带到今天。如果给 Agent 接一个数据库也解决不了所有问题。系统还得知道哪些内容值得保存、下次怎样找回来、旧信息变了怎么办。Agent 记忆的核心不是保存更多聊天记录而是让重要信息能在合适的时候接着发挥作用。01 为什么 Agent 会忘记模型每次回答都要先收到一份输入。当前问题、对话内容、项目文件和工具结果只有被放进这份输入里模型才能用它们来推理。这份输入就是上下文。模型上下文窗口不断变大但是也有上限更重要的是模型不会自动替你挑出哪些历史应该留下也不会自动保证上次的结论出现在下次对话里。所以要区分两件事聊天记录保存了过去说过什么记忆系统负责挑出以后可能还用得上的内容并在需要时找回来。例如过去一周的所有对话都可以保存下来但下次继续项目时真正有用的可能只有项目目标、最终选定的方案、选择原因和还没解决的问题。02 Agent 应该记住什么不是每句话都值得长期保存。可以先按用途分成三类眼前这项工作当前做到哪一步、下一步做什么。任务结束后通常就不再需要。以后还会用到的事实项目目标、已确认的决策、用户稳定的偏好。适合简洁保存之后按需带入。过去发生过的细节某次讨论的原话、一次操作的过程、当时为什么这么决定。保留在历史记录里需要时再搜索。此外Agent 还可能需要查企业制度、产品文档或实时业务数据。这些内容应从有权限的权威来源读取不能把一次聊天里提到的数字当成永久事实。这里最容易出错的是把“推测”写成“记忆”。用户一次要求回答简短不代表他永远喜欢简短项目预算上个月是多少也不代表今天仍然有效。记忆最好带上来源、时间和适用范围变化后能更新或撤销。03 怎样把过去的信息带到当前任务一个实用的记忆流程可以归纳为三步保存值得复用的信息 ↓当前任务需要时再查找 ↓确认来源和时效后交给模型保存时系统要判断这条信息是临时状态、长期偏好还是项目决策。发现新信息与旧信息冲突时要更新旧记录或注明变更而不是把两条矛盾内容一起塞给模型。查找时也不必每次翻遍全部历史。继续刚才的任务优先看当前进度问“上次为什么选这个方案”再去搜历史讨论核对最新政策则查正式制度库。摘要、关键词搜索、向量搜索和知识图谱都是工具各有适用场景。摘要能缩短历史但会丢细节关键词搜索擅长找专名和精确说法向量搜索能找意思相近的内容却不能保证内容正确或仍有效图结构适合关系复杂的问题也更难维护。系统不需要把这些工具全装上先看任务真正需要什么。04 Claude Code、Codex 和 Hermes 怎么做主流 Agent 系统Claude Code / Codex / Hermes Agent需要处理的其实都是四件不同的事每次都要遵守的规则、今天做到哪了、过去发生过什么、哪些经验以后还能复用。Claude Code 擅长把规则放到合适的项目位置Codex 会进一步整理工作经验Hermes 把常用信息和历史记录分开。Agent首先保证什么细节怎么找主要取舍Claude Code项目规则按作用范围进入上下文也可积累自动记忆会话恢复、压缩摘要与记忆条目各有用途项目约定清楚旧对话的完整细节仍需另行查找Codex项目规则之外把过去任务整理成可复用的记忆从索引进入记忆手册或单次任务摘要能复用工作经验整理会筛选重要结论要保留出处Hermes Agent少量常用信息始终可见历史细节不常驻SQLite 全文搜索会话原文分工清晰关键词搜索对不同措辞不够灵活Claude Code规则写在项目里经验也可以单独积累Claude Code 的基础做法是用CLAUDE.md放规则。用户级文件可以保存跨项目的习惯项目里的文件可以写本项目的代码约定和目录说明放在子目录的文件还能把规则限定在更小的范围。模型开始工作时相关文件会作为上下文提供给它。这里的设计逻辑是规则本身稳定而且适用范围通常能从文件位置判断就直接按层级加载不必每次从整段历史里猜。把规则写在离它适用范围最近的地方也更容易维护。当前任务的过程仍在会话里。会话变长时Claude Code 可以压缩较早的对话保留一份简要回顾和最近内容继续当前工作。Claude Code 并非只有“静态规则文件”也提供 auto-memory用于从工作过程中积累跨会话的记忆条目。它与CLAUDE.md的区别是前者记录逐步形成的经验后者更适合明确、稳定、由人维护的项目规则。2. Codex当前任务之外还会整理可复用的工作经验Codex 同样用AGENTS.md告诉模型项目规则。文件可以按目录逐层生效例如仓库根目录写通用约定某个子目录再补充该模块自己的规则。这样做和 Claude Code 的项目文件相似都是把规则放在离任务最近、方便人检查的位置。Codex 的记忆不只是“记住项目怎么做”还试图从此前的工作中整理出“以后遇到类似任务可以怎样更快、更稳地完成”。它通过一套后台记忆整理流程来实现。先从已结束的工作过程中提取候选内容再把有复用价值的信息整理到本地记忆目录。目录中可以有简短索引、较详细的记忆手册、单次工作的摘要以及可复用的操作流程。新任务先读简短索引发现相关主题后再查详细材料避免每次把全部历史都塞进提示词。3. Hermes Agent常用信息直接带上细节从历史里查Hermes 的记忆系统可以简单理解为少量常用信息每次带上过去的对话按需搜索。它将少量常用信息写入MEMORY.md和USER.md并在新会话开始时放进上下文。前者偏环境和工作知识后者偏用户习惯。由于这些内容每次都要占用上下文设计上鼓励保持精简它们适合存“经常要用”的信息不适合变成所有聊天的摘要合集。旧对话则走另一条路径。Hermes 把会话保存到 SQLiteAgent 需要回忆过去某件事时可以调用session_search做全文关键词搜索再查看命中的原始消息。这解决了“常用信息要随手可见”和“历史细节不该每次都加载”之间的矛盾。05 记忆系统该怎么选如果主要想让 Agent 遵守项目规范先写好项目指令文件。内容短、容易检查也不需要额外搭建检索服务。如果经常要接着上次的任务做优先确认 Agent 能否保存和恢复会话并把任务目标、已完成事项和下一步写清楚。如果常常要问“之前讨论过什么”保留可搜索的历史记录。找回后回看原始上下文避免只根据一条摘要作决定。如果要重复做同类工作把验证过的步骤整理成 Skill、脚本或操作指南并说明它适用于什么情况、哪些情况不要照搬。如果涉及企业数据还要确保不同用户和项目之间的记忆隔离。会变化的政策、金额和客户状态应从正式系统查询记忆不能替代权限控制也不能绕过数据来源。结语让重要的信息在需要时出现Agent 记忆不是把所有对话存起来也不是装一个向量数据库就结束了。它要把当前进度、长期有用的信息和完整历史分开处理眼前的工作方便接着做稳定的约定下次还能用过去的细节需要时搜得到。Claude Code、Codex 和 Hermes 走的是不同路线用项目文件管理规则、把工作经验整理成长期记忆、或将常用信息与历史搜索分开。选哪一种先看 Agent 经常忘掉的究竟是什么再决定把它放在哪里。好的记忆不是让 Agent 什么都记住而是让它在需要时想起真正有用的事。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取
阅读完成 · 觉得有帮助？
