智能体记忆库
智能体记忆库是AI智能体存储、管理历史交互数据的系统，使AI能在多轮对话中保持上下文，并形成用户画像。它类似于给AI配上“大脑存档”，实现个性化与连续性交互。
一句话解释
智能体记忆库是AI智能体用来存储、检索和更新交互历史与用户偏好的系统，让AI具备跨会话的连续性记忆能力。它通常包含短期记忆和长期记忆两层结构，利用向量嵌入技术实现高效检索，使大模型在对话中能回忆起过往信息，从而提供连贯、个性化的服务。
为什么会被关注
传统大模型每次对话都从零开始，无法记住用户身份或上次聊了什么，导致体验碎片化。智能体记忆库解决了这一痛点，使AI能像人一样记住细节，实现个性化服务，从而提升用户粘性和效率。
随着AI代理、虚拟角色等应用爆发，记忆能力成为区分智能体“聪明与否”的关键指标。企业希望通过记忆库减少重复提问、沉淀用户数据，驱动更精准的推荐与决策。
核心逻辑
智能体记忆库通常由向量数据库或关系型数据库构成，将对话历史、用户属性等信息转化为向量嵌入并索引。当新对话发生时，系统会检索与当前输入相关的记忆片段，注入到上下文窗口中，让大模型基于这些记忆生成回复。
记忆库还需管理记忆的存储、更新和遗忘规则。例如，短期记忆保留最近几轮对话，长期记忆通过重要性评分筛选后持久化，必要时还可让用户手动删除或修改记忆，确保隐私可控。
常见场景
个人AI助手：如手机智能助理记住用户日程、偏好餐厅、常用联系人，每次唤醒都能无缝衔接之前的对话。
客服机器人：记录用户历史工单、购买记录、投诉内容，避免重复验证身份，快速定位问题并给出个性化方案。
游戏NPC：虚拟角色记住玩家过往的选择和互动，影响后续剧情发展，创造沉浸式体验。
容易混淆的点
智能体记忆库不等于大模型的上下文窗口。上下文窗口是临时容量，有token数限制；记忆库是持久化存储，可以无限扩展（理论），但需检索来注入窗口。
记忆库也不同于传统数据库的日志存储。它需要语义理解、向量检索和相关性排序，才能“记住”真正有用的信息，而非机械记录所有文字。
注意：记忆库可能带来隐私风险，如果存储了敏感数据而未妥善管理，会导致泄露。因此好的记忆库设计必须包含权限控制和用户知情同意机制。
本文内容用于 AI 热词解释和概念整理，仅供学习和理解参考。若涉及表述偏差或内容修正，欢迎联系站点进行更新。
相关热词上下文窗口是大型语言模型（LLM）在单次处理时能够“看到”和参考的文本信息总量。它就像模型的“工作记忆区”，决定了AI能记住多长的对话历史、理解多复杂的文档，是影响模型实际应用效果的核心参数。
向量数据库是一种专门为存储和检索高维向量数据而设计的数据库。它通过将文本、图像、音视频等非结构化数据转化为数学向量（即一组数字），并计算向量间的“距离”来衡量相似性，从而实现高效的相似性搜索。它是构建AI应用，如智能问答、推荐系统和内容检索的核心基础设施。
持续学习是人工智能模型在部署后，能够持续从新数据中学习新知识、适应新任务，同时避免遗忘旧知识的能力。它旨在解决传统AI模型训练完成后知识便“固化”的局限，是迈向更通用、更灵活AI的关键一步。
知识图谱是一种用图结构来建模和表示现实世界中实体、概念及其复杂关系的技术。它通过节点和边，将散乱的信息编织成一张巨大的语义网络，旨在让机器能够像人类一样理解和推理知识间的关联。
长期记忆是AI系统（尤其是对话AI）存储和调用跨会话、长期有效信息的能力，旨在让AI记住用户的偏好、历史对话等关键信息，实现更个性化、连贯的交互体验。