Agent 记忆的四种隐藏故障:难的不是记住,是不记错

📅 2026/11/19 ✍️ 小文 📖 约 1 分钟

记忆事故很少来自召回失败,更多来自写入策略错位:污染、覆盖、过期、越权。本文给出四种故障的现场特征、三道写入闸门和一个可直接照抄的写入判定流程。

做 Agent 记忆时,团队先解决「能不能记住」,做完发现真正的事故都在「记错了」。召回不准只让回答变笨,写入错位会让错误持续扩散——第二次、第三次任务都带着它。

一、污染写入:把推测当事实

典型链条:用户说「我们最近在考虑换 CRM」→ 模型总结成「客户计划 Q3 更换 CRM」→ 写入语义记忆 → 两周后主动跟进推销。

根因是写入时没区分「用户陈述」「模型推断」「外部文档」。闸门:每条记忆带 source 和 confidence,模型推断只允许进工作记忆或情景记忆,进语义层必须显式确认。

二、覆盖写入:新信息删掉了旧信息

表现是系统丢失历史:用户说「去年定的是另一个方案」,Agent 毫无印象。根因是 upsert 语义更新。

闸门:语义记忆改为追加 + 失效标记。同一 key 允许多条,带 valid_from 和 valid_to,旧的置失效但不删除。这样才能回答「当时是什么」「现在是什么」「什么时候变的」——这三类问题在客服和销售里频率极高。

三、过期不失效:时间敏感结论被永久保留

预算、负责人、政策、价格必然变动,却三个月后仍在被引用。根因是没有 TTL 概念。

闸门:按字段类型设半衰期——人员岗位 90 天、预算跟随财年、价格 30 天、流程文档 180 天。超期不删除而是降权,召回时标注「该信息已 X 天未更新,建议确认」。这一句标注能把大量错误引用转为主动提问。

四、越权召回:记忆没有主体边界

多用户或多角色 Agent 场景下,A 的历史出现在 B 的对话里;内部会议结论出现在对外答复中。根因是全局共享、只按相似度召回。

闸门:写入时打 owner_scope,召回时先做 scope 过滤再检索,而不是检索后过滤——top-k 很小时后者极易漏过滤。另外把「内部/外部」作为独立维度,对外通道只在外部维度内召回。

五、可直接照抄的写入流程

每次准备写记忆,按序问五个问题,任何一步为否就只留在工作记忆:

  1. 来源明确吗? 用户原话/工具返回/文档;模型推断只进情景层。
  2. 会变动吗? 会变就设过期时间,不设永久。
  3. 已有冲突值吗? 有则追加并标记旧值失效,不覆盖。
  4. 属于某个主体吗? 是则打 owner_scope。
  5. 值得记吗? 一次性任务细节、寒暄、临时偏好不记。这条最省钱,也最常被跳过。

六、监控指标

  • 写入率:每轮对话触发的写入条数,健康值远低于 1,长期高于 1 基本是在垃圾化
  • 冲突数:同一 key 多值且近期都活跃的数量,持续上升说明闸门太松
  • 失效引用率:召回内容中已过期却仍被采用的比例,最直接的质量先行指标

结语

记忆系统的价值上限由写入策略决定,不由存储技术决定。向量库、图数据库、文件都能用,但只要写入没有闸门,再好的检索也只是把错误更快地送进上下文。

📤 分享到