大家好，我是展菲，目前在上市企业从事人工智能项目研发管理工作，平时热衷于分享各种编程领域的软硬技能知识以及前沿技术，包括iOS、前端、Harmony OS、Java、Python等方向。在移动端开发、鸿蒙开发、物联网、嵌入式、云原生、开源等领域有深厚造诣。
图书作者：《ESP32-C3 物联网工程开发实战》
图书作者：《SwiftUI 入门，进阶与实战》
超级个体：COC上海社区主理人
特约讲师：大学讲师，谷歌亚马逊分享嘉宾
科技博主：华为HDE/HDG
我的博客内容涵盖广泛，主要分享技术教程、Bug解决方案、开发工具使用、前沿科技资讯、产品评测与使用体验。我特别关注云服务产品评测、AI 产品对比、开发板性能测试以及技术报告，同时也会提供产品优缺点分析、横向对比，并分享技术沙龙与行业大会的参会体验。我的目标是为读者提供有深度、有实用价值的技术洞察与分析。
展菲：您的前沿技术领航员
👋 大家好，我是展菲！
📱 全网搜索“展菲”，即可纵览我在各大平台的知识足迹。
每周定时推送干货满满的技术长文，从新兴框架的剖析到运维实战的复盘，助您技术进阶之路畅通无阻。
文章目录
- 引言
- 一、为什么 Agent 必须有 Memory Center
- 二、Memory Center 到底是什么
- 三、Memory 为什么不能只存聊天记录
- 上下文爆炸
- 检索效率下降
- 无法长期存储
- 四、Memory Center 的四层架构
- 五、Working Memory：工作记忆
- 六、Episodic Memory：情景记忆
- 七、Semantic Memory：语义记忆
- 八、Procedural Memory：技能记忆
- 九、Memory Center 如何与 Agent Runtime 集成
- 十、鸿蒙 App 如何实现 Memory Center
- 十一、为什么未来 App 都会拥有自己的 Memory Center
- 十二、HarmonyOS AI Native 的 Memory 架构
- 总结
引言
过去做 App 的时候，开发者很少会认真思考一个问题：
系统记住了什么？因为传统 App 的运行模式非常简单：
用户操作 ↓ 业务处理 ↓ 页面关闭 ↓ 流程结束例如：
打开课程 学习 退出下一次再进入：
重新开始问题并不大。但是 AI Agent 出现之后，一切开始变化。
用户今天说：
我正在学习鸿蒙开发明天说：
给我推荐一些进阶课程后天说：
继续昨天的话题如果系统完全不知道：
昨天学了什么 之前喜欢什么 最近关注什么那么这个 Agent 看起来就会像：
失忆患者每次对话都重新开始。于是越来越多团队发现：
Agent 最大的问题不是推理能力，而是记忆能力。
甚至很多时候：
Memory > Model因为没有记忆，再强的模型也只是一次性工具。
而拥有记忆，系统才开始变成真正意义上的 Agent。
一、为什么 Agent 必须有 Memory Center
传统 ChatBot：
Question ↓ Answer本质上属于 Stateless 无状态系统。
例如，第一轮：
我喜欢 Swift第二轮：
推荐一门语言模型可能已经忘了：
Swift因为上下文有限，而 Agent 必须做到：
记住用户 理解用户 服务用户因此需要：
Memory Center统一管理记忆，本质上：
Memory Center 是 Agent Runtime 的第二大脑。
二、Memory Center 到底是什么
很多人理解 Memory：
聊天记录其实远远不够，企业级 Agent 的 Memory Center 通常管理：
用户画像 历史行为 任务状态 知识经验 工具调用历史 策略偏好架构：
Memory Center │ ┌──────────────┼──────────────┐ ↓ ↓ ↓ Short Memory Long Memory Semantic Memory本质上：
Agent Runtime ↓ Shared Memory Bus所有 Agent：
读取 Memory 写入 Memory形成统一知识中心。
三、Memory 为什么不能只存聊天记录
很多团队刚开始做 Agent：
直接保存对话例如：
[{"role":"user","content":"我喜欢鸿蒙"}]看起来没问题，但很快会遇到：
上下文爆炸
100轮对话 1000轮对话 10000轮对话Prompt 成本越来越高。
检索效率下降
Agent 不知道：
哪段最重要无法长期存储
模型窗口有限，例如：
128K 256K 1M Context终究有上限，因此：
Memory ≠ Chat History
而应该是：
Structured Memory四、Memory Center 的四层架构
企业级设计推荐：
Memory Center │ ┌─────────────┼─────────────┐ ↓ ↓ ↓ Working Episodic Semantic Memory Memory Memory │ ↓ Procedural Memory形成：
4-Level Memory Architecture五、Working Memory：工作记忆
类似：
CPU Cache保存：
当前会话 当前任务 当前状态例如：
用户正在学习 ArkTS结构：
{"currentCourse":"ArkTS","progress":"70%"}特点：
速度快 生命周期短通常存储：
内存 Store Redis六、Episodic Memory：情景记忆
类似：
人类经历记录：
发生过什么例如：
2026-08-10 完成 ArkTS 学习2026-08-15 购买 HarmonyOS 课程结构：
{"time":"2026-08-15","event":"finish_course"}特点：
时间维度强 可回溯非常适合：
学习系统 办公系统 助手系统七、Semantic Memory：语义记忆
这是目前 Agent 最核心的部分，保存：
用户知识 用户兴趣 用户偏好例如：
用户喜欢： HarmonyOS Swift AI Agent存储：
Embedding ↓ Vector DB典型架构：
Text ↓ Embedding ↓ Vector Storage例如：
MilvusMilvus
FAISSFAISS
ChromaChroma
WeaviateWeaviate 查询：
Recall而不是：
Exact Match实现：
语义级记忆八、Procedural Memory：技能记忆
这一层是很多文章不会讲的。实际上未来 Agent 最大价值之一：
学习能力例如 Agent 学会：
如何生成学习计划以后直接复用。存储：
Workflow Tool Chain Prompt Template例如：
{"skill":"generate_plan","steps":["query_course","analyze_progress","create_plan"]}本质上：
Memory ↓ Skill Library越来越像：
Agent Plugin System九、Memory Center 如何与 Agent Runtime 集成
推荐架构：
Agent Runtime │ ┌──────────────┼──────────────┐ ↓ ↓ ↓ Planner Scheduler Executor │ ↓ Memory Center │ ┌─────────────────┼─────────────────┐ ↓ ↓ ↓ Working Semantic Procedural所有 Agent，统一访问：
Memory API而不是：
直接读数据库十、鸿蒙 App 如何实现 Memory Center
推荐目录：
src ├── memory │ ├── center.ts │ ├── working.ts │ ├── semantic.ts │ ├── episodic.ts │ └── procedural.ts统一接口：
exportinterfaceMemory{save(key:string,value:any)load(key:string):anysearch(query:string):any[]}Memory Center：
classMemoryCenter{privatememories:Memory[]=[]register(memory:Memory){this.memories.push(memory)}}形成 Memory Bus 供整个 Runtime 使用。
十一、为什么未来 App 都会拥有自己的 Memory Center
过去：
App ↓ Page ↓ Data未来：
Goal ↓ Agent ↓ Memory ↓ Action用户最在意的已经不是：
功能多不多而是：
懂不懂我本质上竞争已经从：
UI转向：
Memory因为：
没有记忆 就没有个性化 没有连续性 没有学习能力十二、HarmonyOS AI Native 的 Memory 架构
结合前面 Runtime 系列文章，完整架构可能变成：
Goal ↓ Intent ↓ Planner ↓ Scheduler ↓ Agent Runtime ↓ Memory Center ┌─────────┼─────────┬─────────┐ ↓ ↓ ↓ ↓ Working Episodic Semantic Procedural └─────────┼─────────┴─────────┘ ↓ Store ↓ ArkUI特点：
长期记忆 共享记忆 语义检索 技能沉淀 持续学习越来越像：
AI Operating System而不是：
传统移动 App总结
如果用一句话理解 Memory Center：
Memory Center 不是聊天记录仓库，而是 Agent Runtime 的长期记忆系统。
过去：
用户 ↓ 功能 ↓ 结果未来：
用户 ↓ Memory ↓ Agent ↓ Action从：
Session Driven逐渐演化成：
Memory Driven而在 AI Native 时代，真正让 Agent 变得越来越聪明的，不只是模型参数。
而是：
它能记住什么，以及如何利用这些记忆。
