本文探讨了具有记忆功能的AI智能体，重点关注了短期记忆（STM）和长期记忆（LTM）的作用。STM使智能体能够记住最近的输入，从而在对话式AI中保持上下文连贯性，例如OpenAI的ChatGPT。LTM则允许智能体存储和回忆跨会话的信息，实现个性化和智能化，常通过数据库、知识图谱或向量嵌入实现，例如AI驱动的客户支持智能体。文章还概述了大型语言模型（LLM）智能体中记忆的来源、形式和操作，以及Coze记忆设计要点。

🧠 短期记忆(STM)使智能体能够记住最近的输入，在对话式AI中保持上下文。这对于提供连贯回应和提升用户体验至关重要，例如OpenAI的ChatGPT在单次会话中保留聊天历史。

⏳ 长期记忆(LTM)允许智能体在不同会话中存储和回忆信息，从而实现个性化和智能化。LTM通常使用数据库、知识图谱或向量嵌入来实现，例如AI驱动的客户支持智能体可以记住与用户的先前互动。

💡 文章概述了大型语言模型（LLM）智能体中记忆的来源、形式和操作。

⚙️ Coze记忆设计要点涉及变量、数据库和长期记忆。

原创 PaperAgent 2025-04-06 00:00 河南

具有记忆（Memory）功能的AI智能体（Agent）能够保留上下文，识别随时间变化的模式，并根据过去的互动进行适应：Short-term memory、Long-term memory。

短期记忆

短期记忆（STM）使智能体能够记住最近的输入，以便进行即时决策。这种类型的记忆在对话式AI中非常有用，因为需要在多次交流中保持上下文。

例如，一个能够记住会话中先前消息的聊天机器人可以提供连贯的回应，而不是将每个用户输入孤立处理，从而提升用户体验。例如，OpenAI的ChatGPT在单次会话中保留聊天历史，有助于确保更顺畅且更具上下文意识的对话。

长期记忆

长期记忆（LTM）允许智能体在不同会话中存储和回忆信息，使它们随着时间的推移变得更加个性化和智能化。长期记忆是为永久存储而设计的，通常使用数据库、知识图谱或向量嵌入来实现，要用到检索增强生成（RAG）

例如，一个AI驱动的客户支持智能体可以记住与用户的先前互动，并据此量身定制回应，从而提升整体客户体验。

大型语言模型（LLM）智能体中记忆的来源、形式和操作的概述

Coze记忆设计要点，涉及变量、数据库、长期记忆：

阅读原文

跳转微信打开