外部记忆：从 MemGPT 的操作系统隐喻到生产记忆层

记忆要不要搬出上下文窗口？Mem0 报过一个数：放进外部库、按需检索，token 花费比全上下文方案省 90% 以上。

给 agent 沉淀经验，能下手的位置只有三个（L4 p.3）：上下文窗口、外部工件、模型权重。窗口保真高，但按 token 计价、噪声不筛选，一满就丢。权重更新慢，过程也不透明。

每一步解决了前一步的什么毛病，连起来读才看得清。

一、三个可更新的位置：为什么是外部工件

• 可检查。出了错，打开文件就能看见它记错了什么。
• 可编辑。用户可以亲手改。
• 可检索。按需取回，不占窗口。
• 可移植。换模型、换应用都带着走。

代价是读写策略全成了设计题。什么时候写、写什么、怎么读，都要自己定。这道题，后面几节逐个拆。

二、MemGPT：把上下文当内存管理

MemGPT（UC Berkeley，2023；L4 p.17 配图）的隐喻一句话讲完：主上下文是内存，外部上下文是磁盘。

外部那一侧分两层：召回存储 recall storage 放先前对话，归档存储 archival storage 放长期笔记与资料。

妙在换页不靠外部调度器代劳，LLM 自己发函数调用，主动决定把什么换出、把什么换入，中断机制在旁边协调控制流。整套设计就是把操作系统的虚拟内存管理搬进对话系统，后来商业化成了 Letta。

记忆管理从 harness 替模型做的杂务，变成模型的一项工具能力。管理自己的记忆，就是 tool use。

代价也随之而来。自我编辑的每一步都依赖模型的判断，写错了就一路错下去，伴读对 MemGPT 局限的批评就落在这里。生产化要解决的，是给这个自由的写入端加上工序。

三、生产化三条路线：隐喻、管线、图谱

Mem0 给写什么定了工序：新对话先抽候选记忆，与既有库比对，然后由四操作定夺。

• ADD。库里没有相似条目。
• UPDATE。新信息改变了既有条目。
• DELETE。新事实与旧记忆矛盾，否定既有。
• NOOP。已存过，或与库无关。

注意 NOOP 是一个主动决策，不写也是写入策略的一部分。伴读为遗忘正名的那句话，在四操作里落到工程：记忆库也需要垃圾回收，干的就是 DELETE 和 NOOP 这两步。

Zep 则换掉存储结构本身：图上的边带时间线，旧关系不被覆盖，保留为历史。知识更新与时间推理，因此有了着落。

三条路线并不互斥。换页管怎么读，四操作管怎么写，时序图谱管存成什么形状。

四、经验的记忆：Reflexion 与轨迹检索

存知识之外，还能存经验。Reflexion（NeurIPS 2023；L4 p.19）的循环是：attempt 作答 → evaluator 预测 reward → 不合格则 reflection 生成一条文字反馈 → 同任务重试。

反馈就是记忆：它不改变权重，却在下一次尝试的上下文里生效。

轨迹检索（L4 p.20）再往外走一步：把成功与失败的整条轨迹入库，来新任务时用文本嵌入检索最相似的一条，当作 few-shot 示范注入。

失败轨迹也入库，它标记了哪里会翻车。ExpeL（AAAI 24）、Synapse（ICLR 24）、ICAL（NeurIPS 24）、Agent S（ICLR 25）走的都是这条路。对照第一节的三个位置，这也是外部工件，只不过存的是经验而非事实。

五、考卷与分界：LongMemEval 与压缩的边界

系统各说各话，考卷只有一张。LongMemEval（ICLR 2025）出 500 道题，专考信息抽取、多会话推理、时间推理、知识更新、拒答五种能力。

五种能力里，知识更新一项就是 Mem0 的 DELETE/UPDATE 战场；拒答考的是知道没记住时，别硬编造答案。

商业助手与长上下文 LLM 在持续交互的记忆任务上，准确率落差约 30%。窗口再长，也替代不了记忆层。

LongMemEval 给出的设计框架是索引 — 检索 — 阅读三阶段：先建索引、再按问题检索相关记忆、最后带着检索结果作答，而不是把全部历史塞回窗口。

最后划一条容易混淆的分界线：

与本讲的连接

本篇下钻讲次页管理三条路里的检索一路与「技能与记忆」一节，读取端有 Generative Agents 按相似、新近、重要打分的经典答案，写入端由 Mem0 四操作补上，认知四层在这里各归其位：

• 会话日志与总结，是情节记忆。
• Mem0 与 Zep，管语义记忆的写入与形状。
• Reflexion 与轨迹库，存经验。
• SKILL.md，是程序性记忆。

回看 microAction 那道题，一段对话里被忘掉的早期事实，该进状态文件、外部记忆还是技能？判断依据就是本文的两张表：三个可更新的位置，与三维地图上的类型格子。