在学习AI智能体的记忆机制时，我发现自己被各种新术语搞得晕头转向。一开始是短期记忆和长期记忆，接着又出现了程序性记忆、情景记忆和语义记忆，让人更加困惑。但等等，语义记忆让我想起了一个熟悉的概念：检索增强生成（RAG）。
智能体中的记忆机制会不会是RAG从最初的形态演进到智能体RAG之后的下一步呢？从本质上讲，智能体中的记忆就是在大语言模型（LLM）的上下文窗口中进行信息的输入和输出。至于把这些信息称为"记忆"还是"事实"，在这个抽象层面上都不是重点。
这篇文章将从一个不同的角度来介绍AI智能体中的记忆机制。我们不会（立即）讨论短期和长期记忆，而是从最初的RAG概念开始，逐步演进到智能体RAG，最后到达AI智能体的记忆机制。（需要注意的是，这只是一个简化的思维模型。智能体记忆这个完整的话题在底层实现上要复杂得多，涉及到诸如记忆管理系统等内容。）
RAG：一次性只读操作
检索增强生成（RAG）的概念在2020年由Lewis等人提出，并在2023年前后开始流行。这是第一个让无状态的LLM能够访问过去对话和训练期间未曾见过并存储在模型权重中的知识（参数化知识）的概念。
最初的RAG工作流程的核心思想非常直接，如下图所示：
- 离线索引阶段：将额外信息存储在外部知识源中（例如向量数据库）
- 查询阶段：使用用户的查询从外部知识源中检索相关上下文。将检索到的上下文连同用户查询一起输入LLM，获得基于这些额外信息的回答。
下面的伪代码展示了最初的RAG工作流程：
虽然最初的RAG方法在简单用例中能够有效减少幻觉问题，但它有一个关键限制：这是一次性的解决方案。
- 通常会从外部知识源检索额外信息，而不会先判断是否真的需要
- 信息只检索一次，不管检索到的信息是否相关或正确
- 所有额外信息都只来自一个外部知识源
这些限制意味着对于更复杂的用例，如果检索到的上下文与用户查询不相关甚至是错误的，LLM仍然可能产生幻觉。
智能体RAG：通过工具调用实现只读
智能体RAG解决了最初RAG的许多局限性：它将检索步骤定义为智能体可以使用的工具。这一改变使得智能体能够首先判断是否需要额外信息，决定使用哪个工具进行检索（例如，存储专有数据的数据库与网络搜索），并评估检索到的信息是否与用户查询相关。
下面的伪代码展示了智能体如何在智能体RAG工作流程中调用SearchTool：
最初的RAG和智能体RAG的一个共同点是，信息是离线存储在数据库中的，而不是在推理过程中存储。这意味着数据只能被智能体检索，而不能在推理过程中写入、修改或删除。这个限制意味着最初的RAG和智能体RAG系统（默认情况下）都无法从过去的交互中学习和改进。
智能体记忆：通过工具调用实现读写
智能体记忆通过引入记忆管理概念，克服了最初RAG和智能体RAG的这一限制。这使得智能体能够从过去的交互中学习，并通过更个性化的方式提升用户体验。
智能体记忆的概念建立在智能体RAG的基本原则之上。它同样使用工具从外部知识源（记忆）中检索信息。但与智能体RAG不同的是，智能体记忆还使用工具向外部知识源写入信息，如下所示：
这使得智能体不仅能够从记忆中回忆，还能够"记住"信息。在最简单的形式中，你可以在交互后将原始对话历史存储在一个集合中。然后，智能体可以搜索过去的对话来找到相关信息。如果你想扩展这一功能，可以提示记忆管理系统创建对话摘要以供将来参考。此外，你还可以让智能体在对话过程中注意到重要信息（例如，用户提到喜欢使用表情符号或提到自己的生日），并基于这个事件创建记忆。
下面的伪代码展示了智能体记忆的概念如何通过WriteTool扩展智能体RAG的思想，使智能体能够存储信息：
这个简化思维模型的局限性
如本文开头所述，这种对AI智能体记忆的比较只是一个简化的思维模型。它帮助我将其与我已经熟悉的概念联系起来。但为了避免让AI智能体记忆的整个话题看起来只是带有写操作的智能体RAG的扩展，我想强调一下这种简化的一些局限性：
上面对AI智能体记忆的说明为了清晰起见进行了简化。它只显示了单一的记忆源。然而，在实践中，你可以为不同类型的记忆使用多个源：你可以为以下内容使用单独的数据集合：
- "程序性"记忆（例如，“与用户互动时使用表情符号”）
- "情景性"记忆（例如，“用户在10月30日谈论计划旅行”）
- "语义性"记忆（例如，“埃菲尔铁塔高330米”）
正如CoALA论文中所讨论的。此外，你还可以为原始对话历史设置一个单独的数据集合。
上述说明的另一个简化是，它缺少超越CRUD操作的记忆管理策略，就像MemGPT中所见的那样。
此外，虽然智能体记忆实现了持久化，但它也引入了RAG和智能体RAG没有的新挑战：记忆损坏以及对记忆管理策略（如遗忘）的需求。
总结
从本质上讲，RAG、智能体RAG和智能体记忆都是关于如何创建、读取、更新和删除存储在外部知识源（例如文本文件或数据库）中的信息。
| 存储信息 | 检索信息 | 编辑和删除信息 | |
| RAG | 导入阶段离线存储 | 一次性 | 手动 |
| 智能体RAG | 导入阶段离线存储 | 通过工具调用动态进行 | 手动 |
| 智能体记忆 | 通过工具调用动态进行 | 通过工具调用动态进行 | 通过工具调用动态进行 |
最初，优化最初RAG的关键焦点在于优化检索方面，例如使用不同的检索技术，如向量搜索、混合搜索或基于关键词的搜索（“如何检索信息”）。然后，焦点转向使用正确的工具从不同的知识源检索信息（“我需要检索信息吗？如果需要，从哪里检索？”）。在过去一年中，随着智能体记忆的出现，焦点再次转移。这次转向了信息是如何管理的：虽然RAG和智能体RAG非常关注检索方面，但记忆机制涵盖了在外部知识源中创建、修改和删除数据的过程。
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
![]()
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
![]()
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
