就像人类有多种记忆方式，从刚才某人说的话到多年前学到的事实，LLM代理也能配备多种记忆系统。并非所有任务都需要同一种记忆，了解这些区别有助于设计出更有效的代理。代理需要记住当前对话中用户提到的名字，这与需要记住用户在数周内多次交互中偏好的代理，所需的记忆机制是不同的。
接下来，我们介绍一下LLM代理中常见的记忆系统类型。
短期记忆 (工作记忆)
可以把短期记忆看作代理即时感知或其“草稿本”。它存储与当前正在进行的交互相关的信息。这是在较简单代理中实现的最常见记忆类型，特别是用于维持对话上下文 (context)。
- 目的: 记录单个会话中近期的交流、观察或中间想法。这使得代理能够明白后续问题，引用当前对话较早的部分，并保持连贯的交流。例如，如果你问“伦敦天气如何？”，然后接着问“那巴黎呢？”，代理就需要短期记忆来明白“巴黎”也是指天气信息请求。
- 特点:
- 容量有限: 它通常不存储大量数据；仅够满足即时任务需求。
- 访问快速: 信息需要迅速检索和更新。
- 易失性: 这种记忆通常是暂时的。它可能在会话结束时或代理重置时清除。可以把它想象成电脑中的RAM；程序运行时它是活跃的。
- 实现方式: 通常，这就像维护一个对话历史（用户输入和代理响应）的列表一样简单，并将其包含在发送给LLM的下一个回合提示中。
长期记忆
长期记忆允许代理在较长时间内（超过单个会话）保留和回忆信息。代理可以在这里存储事实、学到的信息、用户偏好或详细的知识库。
- 目的: 为代理提供持久的知识存储。这使得个性化（记住用户的名字或过去的选项）、从经验中学习（尽管真正的学习很复杂）或获取无法容纳在短期缓冲区中的大量信息成为可能。帮助你规划项目的代理可能会在每次你与它交互时，使用长期记忆来记住你正在进行的项目细节。
- 特点:
- 容量大: 设计用于存储比短期记忆多得多的信息。
- 持久性: 信息在会话之间以及可能在很长时间内持续存在。
- 访问较慢 (可能): 从大型长期存储中检索信息可能比访问近期对话回合更慢且更繁杂。它通常涉及搜索或查询机制。
- 实现方式: 这可以从简单的文件存储（例如将摘要或重要事实保存到文本文件中）到更精密的系统，如向量 (vector)数据库。向量数据库特别有效，因为它们可以以支持语义搜索的方式存储信息，这意味着即使查询没有使用完全相同的关键词，代理也能找到相关信息。对于一级课程，我们不会详细介绍如何构建这些，但知道它们的存在对于更高级的代理功能有所帮助。
工具专用记忆
有时，代理使用的工具可能拥有其自身的内部记忆或状态。虽然这不严格属于代理“大脑”本身的记忆，但它是代理系统使用的一种记忆形式。
- 目的: 让工具正常运作或提供更多上下文 (context)。例如，计算器工具可能会记住上一个结果，以便你可以在下一次计算中加以使用（例如，“将5加到上一个答案上”）。网页浏览工具可能会记录当前页面或会话cookie。
- 特点:
- 局部性: 特定于工具本身。
- 可变性: 容量、持久性和访问方法完全取决于工具的设计方式。
- 交互方式: 代理通常不直接管理这种记忆，但在使用工具时，它会受益于工具的状态行为。
记忆类型比较
下图提供了这些常见记忆类型及其典型属性的简化概览。
此图显示了LLM代理中常见的短期、长期和工具专用记忆系统的主要特征。
了解这些不同类型的记忆有助于决定代理在特定任务中所需的功能。对于许多代理应用来说，短期记忆是第一个也是最重要的一步。它是让代理从单一、不连贯的响应转变为真正具有对话性和上下文 (context)感知的交互的要素。随着本章的进展，我们将主要关注了解并实现短期记忆的基本形式，因为它对于构建即使是简单的、有用的代理也必不可少。更高级的记忆系统，例如全面的长期记忆，通常是在这些基本原理之上构建的。
