AI Agent 為什麼總在「忘事」？—記憶失效的三種模式與SFD實戰解法

這不是模型的問題——這是架構的問題

使用AI Agent最常見的挫折之一：「我上週告訴它一件重要的事，今天它完全不知道我在說什麼。」人們通常會怪罪模型。但在跑了六個月15個Agent的生產系統之後，我們的結論不同：大多數記憶失效不是模型品質問題——是架構問題。

最簡單的失效模式。對話變長，舊的上下文被推出視窗，Agent表現得好像它從未發生過。

這不是bug——這是按設計運作的。但在建構系統時很容易忽視。如果你的Agent需要記住50條訊息之前的某件事，你不能依賴上下文視窗。在它滾出去之前，需要被明確儲存到外部記憶中。

更隱蔽。記憶存在，已經被儲存，但當Agent試圖檢索時，找不到——或者找到了錯誤的東西。

這通常發生在純向量相似度搜尋的情況下。語義相似但不相關的記憶被挖出來，而真正相關的記憶因為措辭與查詢不同而沒有被檢索到。

我們的修復：層次化檢索——先按事件類型/標籤粗粒度過濾，再在過濾後的集合中做細粒度向量相似度搜尋。命中率從~30%提升到~75%。

最危險的模式。Agent認為它寫了記憶。API層面寫入成功。但儲存的內容不完整、格式錯誤，或者儲存在錯誤的位置。未來的檢索要麼靜默失敗，要麼返回垃圾內容。

這在早期反覆發生在我們身上。Agent完成任務後，把「任務完成」寫入記憶，卻沒有包含任何真正重要的細節。下一個接手相關工作的Agent沒有任何有用的上下文。

修復：結構化寫入範本。不用自由格式寫記憶，而是強制規定格式：[PROJECT:名稱] 結論+檔案變更+教訓+標籤。不完整的寫入驗證失敗並觸發重試。

AI Agent系統中的記憶是一個工程問題，不是模型能力問題。我們穩定下來的最佳實踐堆疊：

這些都不是魔法。只是把好的系統工程應用到一個新領域。