你可能有过这样的体验：昨天跟它说过的偏好，今天它就忘了；聊到一半换个话题，它就接不上了。智能体的“健忘”不是玄学，而是有明确的技术原因。这篇文章不谈概念，只讲清楚三件事：它的记忆分几种、为什么记不住、以及现在有什么解法。
一、先看清它的“脑子”：上下文窗口
智能体每一次“思考”，能调用的记忆就是一个上下文窗口——可以理解为一张桌面，模型在桌面上摊开所有资料来工作。窗口越大，摊开的资料越多；但桌面再大也有限，放不下的就得收进抽屉。
而且这张桌子有一个特点：每换一次话题，整张桌子都会被重新收拾一遍。上一轮对话说过什么，只要不在桌面上，它就真的不知道。
理解了这一点，很多现象就顺理成章了：为什么它不能引用太早的对话，为什么长任务做着做着就跑偏——都不是态度问题，是桌面尺寸问题。
二、三种记忆，别混为一谈
工程上通常把记忆分成三层：
▪︎ 工作记忆：就是上面说的上下文窗口，容量有限、随用随弃，任务结束就清空；
▪︎ 外部记忆：放在数据库或文件里的资料，需要时检索出来放到桌面上。它不属于模型本身，更像一个外挂笔记本；
▪︎ 长期记忆：跨会话、跨天记住的用户偏好与事实。这是最难的一层，目前没有公认最优解。
分清这三层很重要——很多“它怎么又忘了”的抱怨，其实是三层中某一层的缺口，解决方法完全不同。
三、为什么记不住：三个技术原因
第一，窗口装不下历史。哪怕窗口再大，一次任务可能要读几十份文档，而模型一次能“摊开”的资料有限，超出部分必须丢弃或压缩。
第二，检索会漏。外部记忆靠“搜”来取回，搜的关键词不匹配，信息就取不出来——资料明明存了，却像忘了一样。这是最容易被误解的一种“忘记”：不是没存，是没找到。
第三，没有天然的“重要度”。人类大脑会自动把重要的留下来，模型没有这种本能：什么该记、记多久、什么时候忘，全都要靠人为设计规则。
所以“记不住”是结构性问题，不是加个功能就能解决的。
四、现在的解法：检索、压缩与外挂
目前的方案大致三条路：
检索增强（RAG）：把资料存在外部数据库，用时先检索再作答。这是目前最成熟、应用最广的方案，适合让智能体“读过”你的文档。
上下文压缩：把长对话自动总结成要点，省下的空间用来装新信息。有效，但压缩过程本身可能丢细节。
外挂记忆库：把用户偏好、历史结论写成结构化条目，每次会话开始时主动加载。现在不少产品宣称“记住了你”，本质上是这一类。
三条路可以叠加使用，但都有一个共同前提：记忆的写入和读取规则，需要有人来设计。模型不会自己决定该记住什么。
五、你能做什么：几条实用建议
与其等待完美的记忆能力，不如现在就用好它：
▪︎ 重要信息主动说：在会话开始时把关键偏好、背景明确告诉它，不要指望它自己想起来；
▪︎ 让它复述一遍：确认它真的理解了你的要求，这比事后返工便宜得多；
▪︎ 把长期偏好写进配置：如果工具支持“自定义指令”或“记忆库”，把稳定的偏好固化进去，比每次口头重复有效；
▪︎ 关键结论让它落盘：让智能体把重要结论写成文件或清单，下次由你自己喂回去——这是目前最可靠的“长期记忆”。
结语
记忆是智能体从“能干一件事”走向“能长期共事”的分水岭。它今天的表现还不完美，但方向已经清楚：不是让模型变得像人，而是把检索、压缩、外挂这些工程手段组合起来。理解了这一点，你就知道该在哪些地方相信它，在哪些地方替它把关。