AI Agents时代记忆系统综述：今年最系统的解析与展望！-平芜编程栈

分享今年看到最系统&最新的Agents Memory综述，NUS&人大&复旦&北大&同济等联合出品：《Memory in the Age of AI Agents: A Survey》

用“形态-功能-动力学”三维框架把 200+ 篇最新论文一次讲透。
提出新三大记忆形态：Token-level / Parametric / Latent，取代传统“长-短期记忆”二分法。
展望7 大前沿：生成式记忆、自动记忆管理、RL 驱动、多模态、多 Agent 共享、世界模型、可信记忆。

1 为什么需要“Agent 记忆”？

图 1 给出一张“地图”，把 200+ 方法按形态 & 功能 & 动态一次定位：

LLM 再强，也怕“金鱼脑”——上下文一断就失忆。
把 LLM 包装成能持续交互、自我进化的 Agent，必须外挂一块可读写、可增长、可遗忘的记忆体。

2 预备知识：Agent 与记忆的形式化

图 2 用韦恩图厘清Agent Memoryvs **LLM Memory **vsRAGvsContext Engineering：

作者先把 Agent 抽象成部分可观测马尔可夫博弈，再把记忆定义为三元组运算符：

FormationF：把原始交互 φ_t 提炼成记忆单元
EvolutionE：合并、去重、纠错、遗忘
RetrievalR：按需查询

3 形态篇：记忆到底“长”什么样？

图 3 把Token-level再细拆成 1D-Flat / 2D-Planar / 3D-Hierarchical：

形态	载体	可读性	更新成本	典型场景
Token-level	文本、JSON、Graph	人类可读	低	对话机器人、法律审计
Parametric	LoRA、Adapter	不可读	中	角色扮演、代码生成
Latent	KV-cache、Embedding	机器可读	极低	端侧部署、多模态流

表 1 给出 60+ 代表性方法的横向对比（多模态、任务、结构）：

4 功能篇：Agent 到底“用”记忆做什么？

图 6 给出功能-时间双轴全景：

把“为什么记”拆成三大职能：

Factual Memory——“我知道什么”：用户画像、文档状态、世界知识。
Experiential Memory——“我学会什么”：成功/失败轨迹 → 策略 → 可执行技能。
Working Memory——“我现在想什么”：单轮压缩、多轮状态折叠、计划缓存。

experiential memory范式

表 4-6 分别对应三大功能的 100+ 方法速查表：

5 动力学篇：记忆如何“动”起来？

完整生命周期 =形成 → 演化 → 检索闭环，用一张“地铁图”串起 30+ 操作符：

Formation五板斧：语义摘要、知识蒸馏、结构化、潜空间编码、参数内化。
Evolution三件套：合并（Consolidate）、更新（Update）、遗忘（Forget）。
Retrieval四步曲：触发时机 → 查询构造 → 检索策略 → 后处理。

图 9 记忆演化机制蓝图

图 10 agentic系统中检索方法

6 资源篇：Benchmark & 开源框架速览

表 8 汇总 30 个记忆/终身学习/自演化评测集：

表 9 对比 20+ 开源框架（MemGPT / Mem0 / Zep / MemOS …）：

最后

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。

我整理出这套 AI 大模型突围资料包：

✅AI大模型学习路线图
✅Agent行业报告
✅100集大模型视频教程
✅大模型书籍PDF
✅DeepSeek教程
✅AI产品经理入门资料

如果你也想通过学大模型技术去帮助自己升职和加薪，可以扫描下方链接👇👇

为什么我要说现在普通人就业/升职加薪的首选是AI大模型？

人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200%，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

资料包有什么？

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

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，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。