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。
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。
开源地址：https://github.com/Shichun-Liu/Agent-Memory-Paper-List
论文地址：https://arxiv.org/pdf/2512.13564
一、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。
二、预备知识：Agent 与记忆的形式化
图 2 用韦恩图理清 Agent Memory vs LLM Memory vs RAG vs Context 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：
- Formation F：把原始交互 φ_t 提炼成记忆单元
- Evolution E：合并、去重、纠错、遗忘
- Retrieval R：按需查询
三、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：
表 1 给出 60+ 代表性方法的横向对比（多模态、任务、结构）：
四、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：
五、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：
六、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 …）：
七、前沿篇：7 大风向标
1. 生成式记忆 > 检索式记忆：不再“查什么用什么”，而是“缺什么生什么”。
2. 自动记忆管理：把“写/删/改”做成 Agent 可调用的 Tool，让 LLM 自己管自己。
3. RL 全面接管记忆策略：从“人工拍阈值”到“策略网络端到端优化”。
4. 多模态记忆：视频、音频、传感器流统一进 Embedding 空间。
5. 多 Agent 共享记忆：角色-权限-隐私三权分立，防止“集体幻觉”。
6. 世界模型内存：从“缓存帧”到“可查询状态模拟器”。
7. 可信记忆：差分隐私、可验证遗忘、审计日志、用户级 GDPR 擦除。
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
四、AI大模型商业化落地方案
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。
