代理为何需要记忆

想象一下，你正在和一个人对话，但他却把你刚才说的话忘得一干二净。你说的每一句话都会被当作你们讨论的开端。是不是很令人沮丧？缺乏记忆的大语言模型 (LLM)代理也面临类似的难题。要让一个代理真正有用，并进行有效的交流，它需要一种记忆的方式。我们来看看为什么这项能力如此有必要。

保持对话连贯：维持对话语境

记忆最直接的好处之一，就是在对话中保持语境。想想一个简单的对话：

• 你：“伦敦天气怎么样？”
• 代理（有记忆）：“伦敦目前多云，有降雨可能。”
• 你：“那明天呢？”
• 代理（有记忆）：“伦敦明天预计会是局部晴朗。”

没有记忆，代理就不会明白“明天”指的是伦敦的天气。它会把你的第二个问题当作全新且不相干的问题，可能会问“明天哪里？”记忆让代理能够理解代词（如“它”或“它的”），回答追问，并提及之前讨论过的话题。这使得交流感觉更自然，更像人际交流，而不是一连串不连贯的提问。

下面的图表说明了具有短期记忆的代理如何保持语境，与没有记忆的代理相比。

具有记忆的代理（场景二）能够理解“它的人口”指的是巴黎，而没有记忆的代理（场景一）则在交互之间失去语境。

逐步处理任务

许多任务无法一步完成。以规划一次旅行为例。你可能会要求代理：

1. 查找前往某个目的地的航班。
2. 然后，查找该目的地某个地标附近的酒店。
3. 最后，列出该地区的一些餐厅。

为了处理这种情况，代理在进入第二步时必须记住第一步中选择的目的地，然后为第三步记住目的地，甚至酒店区域。记忆就像一个临时记录本，允许代理存储中间信息或先前操作的结果。没有记忆，每一步都需要你重复所有相关细节，这会使过程变得繁琐且低效。

记忆会话中的用户偏好

即使是简单的记忆形式也能大大提升用户体验，因为它允许代理根据你在交互中提供的信息进行调整。例如，如果你告诉代理“当我们谈论温度时，请使用摄氏度”，一个有记忆的代理就能在你当前对话期间记住这个偏好。你就不必每次询问温度时都指定“用摄氏度”。这让代理感觉更细心、更个性化，即使这种记忆只是会话期间的临时记忆。

避免重复提问和操作

记忆有助于代理更有效率。如果代理已经问过某个信息（比如你的名字或参考号）或者完成了一项计算（比如货币转换），它就可以存储这些信息。这避免了代理在同一会话中重复提问相同问题或重复已完成的工作。这不仅节省时间，也让交互感觉更流畅，而不是让你觉得在与一个对刚刚发生的事情毫无印象的系统打交道。

从即时反馈中学习

在一次交互中，你可能会纠正代理。例如，如果代理误解某个术语，而你澄清其含义，一个有记忆的代理就能存储这个修正，至少在当前会话中。这让它能够在后续的对话回合中使用被修正的理解，展现出一种基本的学习和适应能力。虽然这不是深度、长期的学习，但它有助于形成更富有成效、更少沮丧的对话。

本质上，记忆将大语言模型 (LLM)从一个简单的文本生成器提升为一个能够进行更复杂、有状态交互的组件。它是构建代理的根本，让代理能够进行连贯的对话，完成多步骤任务，并提供更及时、更有帮助的体验。接下来，我们将研究如何实现简单的记忆机制，以便将这些优点带给你的代理。