电子工业出版社-网上书店

随着大模型深入真实业务与长期交互场景，系统面临的挑战已不再局限于单次推断的准确性，而是如何解决跨会话不一致、知识约束难以持久化、上下文成本膨胀，以及错误写回后难以追溯和回滚等工程难题。本书以“记忆工程”为主线，旨在将记忆从抽象的概念讨论转化为可设计、可验收、可治理的系统能力。本书详细探讨记忆的表征与写入、组织调度、融合更新策略、版本化回滚及权限审计等核心技术，结合记忆的相关理论，对比参数化记忆、激活态记忆与显式记忆的协同路径。通过典型应用场景与评测治理方法，本书为构建长期智能系统提供完备的工程框架、评估指标与关键技术。本书适合大模型与智能体系统的工程师、架构师与技术负责人阅读，有助于搭建可落地的记忆闭环与治理机制，提升系统的连续性、稳定性与可运维性；本书也适合高等院校相关专业的研究生、研究机构的研究人员阅读，用于快速建立统一的概念框架、明确可验证的研究问题与可复现实验设计；本书还适合产品经理与技术决策者阅读，有助于深入理解记忆系统设计与交付标准。

第一部分 记忆工程形成背景与基础概念
第 1 章 静态模型与动态
世界的根本矛盾 2
1.1 动态世界知识与静态模型之间的知识落差2
1.2 知识落差的产生原因 4
1.3 解决知识落差问题的主要方法 5
1.3.1 缓解快照问题：知识注入与更新 5
1.3.2 缓解先验分布影响：真实性约束、证据优先与验证6
1.4 本章小结 7
第一部分 记忆工程形成背景与基础概念
第 2 章 记忆的工程定义与刻画 9
2.1 引入记忆工程的必要性9
2.2 记忆的工程定义与特点 11
2.2.1 记忆的工程定义 11
2.2.2 记忆的时间尺度 11
2.2.3 记忆的稳定性与可塑性14
2.2.4 记忆的最小工程单元 15
2.3 记忆的分类体系 17
2.3.1 按时间尺度划分的记忆17
2.3.2 按载体形式划分的记忆22
2.3.3 结构化与非结构化记忆23
2.3.4 分类体系的工程意义 26
2.4 记忆的核心操作 27
2.4.1 记忆的获取与写入27
2.4.2 记忆的表示与稳定化 29
2.4.3 记忆的更新、合并与版本化31
2.4.4 记忆系统的冲突管理 32
2.4.5 记忆的遗忘 34
2.5 本章小结34
第 3 章 记忆的典型读写方式 36
3.1 参数化记忆：通过模型参数写入长期记忆36
3.1.1 参数化记忆的定义与特点 36
3.1.2 参数化记忆的优点与缺点 38
3.1.3 持续学习与灾难性遗忘39
3.2 激活态记忆：模型运行时的工作记忆 40
3.2.1 激活态记忆的定义40
3.2.2 激活态记忆的特点40
3.2.3 激活态记忆的能力形式40
3.2.4 激活态记忆的类型41
3.2.5 激活态记忆的优点与缺点 45
3.3 显式记忆：可写、可控的外部记忆 46
3.3.1 显式记忆的定义 46
3.3.2 系统定位：三类记忆的边界与协作 47
3.3.3 显式记忆的三重系统角色 48
3.3.4 显式记忆的典型组织形式 49
3.3.5 显式记忆的读写路径 50
3.3.6 显式记忆的优势与缺陷52
3.4 本章小结56

第二部分 明文记忆的关键处理机制与方案
第 4 章 记忆抽取：从交互中发现值得被记住
的信息 59
4.1 为什么记忆需要被抽取 60
4.1.1 性能和成本的现实约束60
4.1.2 提升信息质量61
4.1.3 系统架构定位62
4.2 抽取的信息来源 62
4.3 抽取粒度与抽取时机 63
4.3.1 抽取粒度63
4.3.2 抽取时机64
4.3.3 基于工具调用的决策执行 65
4.4 记忆的生成与判定机制 66
4.5 记忆抽取的格式示例与工程化实现 67
4.5.1 抽取流程的核心算法实现 68
4.5.2 面向工程的提示词模板设计69
4.6 本章小结70
第 5 章 记忆组织：让零散经验形成可推理的结构 72
5.1 为什么组织比存储更重要72
5.1.1 记忆组织结构73
5.1.2 记忆组织层级75
5.2 时间结构与事件结构 76
5.2.1 时间结构76
5.2.2 事件结构77
5.3 语义结构与关系建模 79
5.3.1 语义结构化 79
5.3.2 关系建模80
5.4 层级化与抽象建模82
5.4.1 构建层级索引83
5.4.2 生成自动抽象83
5.5 本章小结85
第 6 章 记忆检索：在正确的时刻取回正确的记忆 86
6.1 决策过程中的检索87
6.1.1 检索时机的系统分类 88
6.1.2 不同检索时机的差异 89
6.2 被动检索与主动检索 90
6.2.1 被动检索90
6.2.2 主动检索90
6.2.3 组合视角91
6.3 检索与推理的耦合92
6.3.1 耦合的最小闭环 92
6.3.2 推理驱动检索93
6.3.3 不确定性触发的自适应检索95
6.4 检索失败与幻觉问题 97
6.4.1 典型失败案例97
6.4.2 如何识别检索失败98
6.4.3 工程干预：评估 反馈99
6.5 本章小结100
第 7 章 记忆更新：记忆如何被修正、巩固与遗忘 102
7.1 为什么需要记忆更新103
7.2 记忆覆盖、合并与版本化105
7.2.1 记忆覆盖 105
7.2.2 记忆合并 106
7.2.3 记忆版本化106
7.3 记忆巩固107
7.4 记忆冲突消解机制 107
7.4.1 冲突的类型108
7.4.2 消解策略 108
7.5 记忆遗忘策略 108
7.5.1 从艾宾浩斯遗忘曲线到工程衰减机制 109
7.5.2 四种工程化遗忘动作109
7.6 本章小结111

第 8 章 记忆共享：从个体记忆到协作智能 113
8.1 为什么需要记忆共享113
8.2 现有记忆共享系统设计 114
8.2.1 记忆共享的机制114
8.2.2 记忆共享的对象115
8.2.3 记忆共享的内容115
8.3 共享记忆的类型与应用场景 116
8.3.1 跨智能体共享 116
8.3.2 跨会话共享117
8.3.3 跨设备共享117
8.3.4 跨组织和跨团队共享118
8.4 共享机制的架构设计118
8.4.1 记忆拓扑 118
8.4.2 通信机制 119
8.4.3 拓扑与通信的组合设计 120
8.5 权限控制、安全与隐私策略 121
8.6 本章小结121

第三部分 记忆智能体的构建与应用场景

第 9 章 长期交互型智能体 124
9.1 长期交互型智能体的定义与个性化工程目标125
9.1.1 无状态系统的个性化失效125
9.1.2 长期交互型智能体的定义和工程目标 125
9.2 记忆驱动的智能体循环架构 130
9.2.1 用户 智能体交互闭环 130
9.2.2 状态解耦：用户画像与任务上下文132
9.2.3 状态治理与演化机制133
9.3 持续个性化学习与反馈建模 133
9.3.1 用户反馈与偏好信号的分层建模 134
9.3.2 个性化奖励建模135
9.3.3 在线更新与稳定性 136
9.4 本章小结137
第 10 章 任务与工具驱动的智能体 138
10.1 复杂任务中的记忆需求138
10.1.1 复杂任务的结构性特征与记忆压力来源 139
10.1.2 普通上下文缓存的局限 140
10.1.3 任务与工具驱动的智能体的定义 141
10.2 任务驱动型智能体的设计范式与
协作模式 144
10.2.1 任务驱动型智能体的设计范式 144
10.2.2 多智能体的协作模式148
10.3 任务状态记忆与执行轨迹记忆 151
10.3.1 任务状态及其记忆 151
10.3.2 执行轨迹及其记忆 153
10.3.3 轨迹表示的三个层级155
10.3.4 状态回溯与动态生命周期管理 157
10.4 经验复用与策略迁移 160
10.4.1 经验的获取：成败轨迹的双重挖掘 160
10.4.2 经验表示的演进：从扁平记录到程序化技能 161
10.4.3 记忆库的动态维护与免疫系统 163
10.4.4 策略迁移：情境适配与重写 164
10.4.5 架构视角：无梯度优化的自我进化 164
10.5 Claude Code 架构与记忆机制剖析 166
10.5.1 整体架构 166
10.5.2 记忆与持久化层的分层设计 168
10.5.3 辅助记忆机制与跨智能体记忆管理 171
10.5.4 记忆系统的工程特征总结 173
10.6 本章小结 173

第 11 章 记忆驱动智能体应用场景分析 175
11.1 记忆在游戏场景中的应用 175
11.1.1 游戏场景下的记忆需求 175
11.1.2 游戏记忆的实现技术思路 178
11.1.3 游戏记忆的未来方向179
11.2 记忆在 AI 陪伴中的应用180
11.2.1 AI 陪伴中的记忆需求 180
11.2.2 AI 陪伴记忆的实现技术思路 182
11.2.3 AI 陪伴记忆的未来方向184
11.3 记忆在智能客服中的应用 186
11.3.1 智能客服中的记忆需求 186
11.3.2 智能客服记忆的实现技术思路 187
11.3.3 智能客服记忆的未来方向 189
11.4 本章小结 189
第四部分 记忆系统的评测、案例与实践
第 12 章 记忆系统的评测与安全治理 192
12.1 记忆系统评测方法 193
12.1.1 传统评测的局限性 193
12.1.2 长期记忆能力的评测方法 194
12.2 长期记忆能力的评测构建流程 198
12.3 记忆的污染、幻觉与隐私问题 204
12.3.1 记忆污染 204
12.3.2 记忆幻觉 207
12.3.3 记忆隐私控制与审计210
12.4 记忆的安全治理框架 213
12.4.1 治理框架的基本原则214
12.4.2 工程实践：记忆治理系统的典型架构 214
12.4.3 稳定性与安全性的持续监控指标 215
12.5 本章小结 216
第 13 章 记忆系统案例分析与动手实践 218
13.1 Mem0219
13.1.1 项目简介 219
13.1.2 项目技术架构 219
13.1.3 项目技术要点 221
13.1.4 关键记忆流程设计 221
13.1.5 项目适用边界与失败模式 223
13.2 Zep223
13.2.1 项目简介 223
13.2.2 项目技术架构 224
13.2.3 项目技术要点 224
13.2.4 关键记忆流程设计 225
13.2.5 项目适用边界与失败模式 226
13.3 Letta 227
13.3.1 项目简介 227
13.3.2 项目技术架构 227
13.3.3 项目技术要点 228
13.3.4 关键记忆流程设计 228
13.3.5 项目适用边界与失败模式 230
13.4 MemOS 231
13.4.1 项目简介 231
13.4.2 项目技术架构 232
13.4.3 项目技术要点 232
13.4.4 关键记忆流程设计 234
13.4.5 项目适用边界与失败模式 238
13.5 从 0 到 1 搭建一个简单的记忆系统 239
13.5.1 记忆抽取代码实践 239
13.5.2 记忆组织代码实践 241
13.5.3 记忆更新代码实践 241
13.5.4 记忆检索代码实践 242
13.5.5 记忆系统代码实践 243
13.6 本章小结 243
第 14 章 OpenClaw 中的记忆增强与优化 245
14.1 OpenClaw 简介246
14.2 OpenClaw 记忆系统分析 248
14.3 基于云服务增强的 OpenClaw记忆系统 250
14.3.1 改造背景与动机251
14.3.2 统一记忆接口设计 251
14.3.3 对照组：OpenClaw-Local本地文件记忆 252
14.3.4 改造组：OpenClaw+
MemOS 云端记忆增强252
14.3.5 智能体循环中的记忆交互流程 253
14.4 本章小结 254
第 15 章 Hermes 中的记忆增强与优化 256
15.1 Hermes 简介 256
15.1.1 整体架构设计 257
15.1.2 核心功能 257
15.2 Hermes 记忆系统分析258
15.2.1 本地持久记忆 259
15.2.2 会话存储与召回261
15.2.3 上下文压缩与短期记忆维护 261
15.2.4 外部记忆系统 262
15.2.5 技能系统 262
15.2.6 身份与项目上下文 263
15.2.7 安全、隔离与一致性263
15.2.8 局限性分析263
15.3 基于 MemOS 插件增强的Hermes 记忆系统 264
15.4 本章小结 267
第 16 章 低代码智能体平台的记忆增强与优化 269
16.1 基于 Coze 平台的记忆增强实践 269
16.1.1 Coze 平台简介269
16.1.2 Coze 智能体系统自带记忆组件分析 270
16.1.3 基于 MemOS 云服务的智能体记忆增强案例：
职场社交助手 271
16.1.4 实践小结 274
16.2 基于 ModelScope 平台的记忆增强实践 274
16.2.1 ModelScope 平台简介 274
16.2.2 ModelScope 自带记忆组件分析 275
16.2.3 基于 MemOS 云服务的智能体记忆增强案例：虚拟
陪伴助手 275
16.3 本章小结 278
结语 279
参考文献 281

在众多大模型应用实践中，最难发现的问题往往不是模型答错了，而是在长期运行后系统跑偏了。以一个看似成熟的企业助手为例，在上线初期，系统尚能准确响应请求并调用工具。但随着时间的推移，产品经理发现它开始反复询问已确认过的偏好，运营团队发现它对同一用户的规则时而遵守、时而忽略。当技术人员回看日志时才意识到，系统为了更聪明，不断把对话片段、工具结果、甚至未经验证的推断都写回所谓的“记忆”中。随着调用次数的增加，存储的信息逐渐失控，噪声堆叠稀释了关键信息，过期状态缺少更新机制，错误信息被反复召回并被模型自证。最终，系统呈现出回答不稳定、行为漂移和成本上升的现象，并陷入难以复现、难以纠错和难以治理的工程困境。
针对这个问题，从 2023 年开始，记忆张量团队及 OpenMem 社区就在持续思考基座模型下一阶段的迭代路径。基于此，一个越来越清晰的判断是：当前仅靠增加参数规模、扩大上下文窗口来获得性能增益的研发路线是不可持续的，其边际收益正在持续降低，且算力和数据资源都将难以为继。
因此，记忆张量团队尝试走一条不同的路线：探索推理与记忆分离的基座模型架构。让主模型专注于抽象推理与能力泛化，让记忆以可分层、可读写、可更新的形式承载可复用的具体知识与状态，并在推理时按需调用，实现整体读写效率的优化。围绕这种思想，杨泓康等研究者提出了 Memory3 创新架构大模型，首次将大模型的记忆系统地拆解为三类——隐式记忆、显式记忆与外部（明文）记忆，并进行统一建模与应用。这一创新分层范式不仅给出了记忆管理和工程化落地的可行路径，也为后续记忆工程的评测与治理提供了清晰的对象边界与管理机制，从而衍生出类似MemOS等记忆系统。
随着时间的推移，我们发现，在智能系统从一次性任务走向长期运行之后，记忆正在成为最能决定收益持续增长的关键变量。传统的智能系统通常包括推理、规划、记忆和工具调用等概念，但如果用一句话概括当下智能系统的核心变化，那就是：记忆正在从研究概念变成 AI 应用的标配。以谷歌趋势为参考，分别跟踪两个关键词集合的时间变化：红色区域对应 Agent Memory，即“智能体记忆”；蓝色区域对应 LLM Memory，即“大模型记忆”。
可以看到，2021 年至 2022 年，两条曲线整体处于低位，说明行业对记忆更多地停留在零散讨论阶段，而从 2023 年开始，尤其是 2024 年后，相关热度出现了明显的抬升并呈加速趋势，蓝色曲线在后期实现快速追赶，并与红色曲线共同上行，反映出行业对记忆讨论的重心从框架与智能体侧扩展到基础模型与系统基础设施协同演进。从图形结构上看，红蓝两条曲线的并行上升还揭示了一个关键信号：记忆正在同时成为应用层（智能体交互与任务闭环）、模型和系统层（基座模型能力与中间件能力）的共同关注点。
但与此同时，我们也必须意识到：记忆并不是“存下来”就等于“用得好”。无论是简单地扩大上下文窗口，还是机械地引入外部存储，都不会自动带来真正的长期智能。相反，如果缺乏有效的组织、调度与治理机制，记忆很可能成为系统污染、冲突、遗忘失控与行为不一致的重要原因。因此，本书真正关心的并不是“如何给模型外挂记忆”，而是一个更本质的问题：当智能系统开始以记忆为基础持续运行，我们应当如何设计、管理和治理记忆，使其成为能力增益，而非系统负担？这正是记忆工程要回答的根本命题。
从未来发展来看：记忆工程虽然首先以系统工程的形式出现，但它的终点并不止于工程层。工程体系可以解决记忆的接入、组织、检索、更新与治理问题，却未必能够从根本上解决长期学习、稳定迁移与内生演化的问题。真正面向未来的方向，必然会从系统层迭代继续走向基础模型层的架构创新：一方面，系统需要为模型提供结构化、可控、可演化的长期状态；另一方面，模型也需要逐步具备对不同形态记忆进行原生建模、融合调用与持续吸收的能力。换句话说，记忆工程的成熟形态，不只是构建更强的记忆系统，也是在为下一代记忆原生基础模型铺路。我们相信：未来的重要突破，很可能来自模型架构、训练目标与人工智能基础理论共同驱动下的创新，而不仅来自外围组件的持续堆叠。
记忆工程仍是一个处在快速演进中的新兴方向，相关概念、方法与系统实践尚在不断发展之中。本书得以在有限的认知与经验基础上逐步成形，离不开诸多师友、同行与专家学者在撰写思路、内容组织与文字表达上的关心、指导和帮助。谨在此一并致以诚挚谢意。

衷心感谢北京大学讲席教授鄂维南院士、记忆张量首席科学家杨泓康研究员、中国人民大学文继荣、陈旭、许伟老师，复旦大学邱锡鹏老师，北京智源研究院王仲远老师，上海交通大学严骏驰、许志钦、钱忱、周煊赫老师，北京大学张文涛老师，北京智谱华章张鹏老师，中国电信研究院杨明川、李馨迟、郭枝虾老师，哈尔滨工程大学郑香平老师等等各位专家学者。在本书撰写过程中，诸位老师从学术研究、工程实践与产业应用等不同角度提出了许多中肯且深刻的意见，帮助我们不断校正问题，完善整体框架，补充关键细节，也使本书在理论梳理、技术分析与实践讨论之间能够尽力保持平衡。
参与本书的章节负责人与部分协作人员名单如下：前言和结语部分的负责人是李志宇、张泽宇；第一部分的负责人是李志宇、王一唯、王轶、张泽宇、赵继昊、刘鹏、熊飞宇；第二部分的负责人是李志宇、李春宇、管昇、陈鼎、康景奕、曲婉莹、熊飞宇；第三部分的负责人是李志宇、陈鼎、席晨阳、张泽宇、王昊奋；第四部分的负责人是陈鼎、陶真、李春宇、唐波、熊飞宇、王昊奋；整体图片编辑与优化负责人是王轶、曲婉莹、王一唯；排版整理与项目主页负责人是张泽宇。其他参与写作的同事还包括朱一鹏、郭子良、徐可润、李梓衡等。在此向为本书写作付出巨大努力的同人表示衷心的感谢！

当然，受限于作者团队的精力，书中难免仍有不足与疏漏；若您发现问题或有改进建议，欢迎联系 MemBook 作者团队¨。此外，为使读者更深入理解本书内容，我们提供了工程案例等资源，可通过本书的代码仓库（在 GitHub 中搜索“MemTensor/MemBook”）获取。

本书配套资源下载

对不起，暂无音视频资源！

记忆工程：智能体记忆系统构建与实践