记忆管理
TLDR;
一直想写 Agent 记忆相关内容，特别是在发现这篇宝藏文章 —Memory for LLM Agents: Milla Jovovich and 20/20 Hindsight 之后。但迟迟无法下笔，固然是怕自己写不好还要误人子弟，另一个重要原因是我能比 AI 多带来什么？论给这篇文章做总结、提炼，我不如 AI，最多只能剪枝，或者小范围的补充。然而记忆管理对于 Agent 而言又是如此重要，不反刍、内化后加以呈现，无法做到更好的理解，从而影响进一步的实践。
越来越短的睡眠不也全都是坏处，5 点左右醒来，虽有辗转的痛苦，头脑却异常清醒（这应该是痛苦最重要的来源）。
何不换个角度？
Memory for LLM Agents: Milla Jovovich and 20/20 Hindsight 可谓是一篇记忆管理相关技术的综述的综述，不能说是面面俱到，心血定时一点不少的。它展览了目前为止 Agent 记忆管理领域形形色色的 “榔头”，而且在这 AI 大势下，不一定要有专业背景也能出谋划策给出很好的思路，文章题目就有出演《第五元素》的 Milla Jovovich，作为核心作者参与开发了MemPalace。
为什么不换个角度呢？
“榔头” 本身自有其价值，但类似 Claude Code 的开发逻 — 从实际场景出发、扣每个细节，可能对当下更有价值。
记忆 上下文 提示词
首先，我们需要来澄清几个概念：记忆，上下文和提示词。
本文的主题记忆管理包含这三者。提示词最早出现，也相对容易理解，不就是发送给大模型的内容嘛（实际场景中，提示词对于研发和用户之间的概念还会有所不同）。记忆和上下文的概念可能会更加暧昧一些，早期个人是把两者混用的；现在来看，它们之间会有明显的区别。
提示词
提示词的概念出来最早，流传也最广，早期大模型应用开发人员被戏称为 “提示词工程师”。
这里不过多展开，只澄清一个事实：用户发送给各类工具（Chatbot 或者 Agent）的请求内容，从用户侧来看这就是提示词，用户调的就是这个内容。而对于工具开发而言，用户请求的内容并不是提示词的全部，还包括了给用户偷偷预置的提示词（很大部分是系统提示词）。这类内置的提示词大概的样子如下：
你是一个专业的****，说实话，但有温度地表达，不确定的事要明确说不知道，不主动提及用户个人财务细节。恰好你也做过大模型应用开发，就可能提出疑问：那么哪些可能被用到的工具呢？不也要组装成提示提吗？