没有记忆的 AI,每次对话都是陌生人。长期、短期、情景、语义四类记忆,怎么搭一套记得住。

© 2026 广济的博
没有记忆的 AI,每次对话都是陌生人。长期、短期、情景、语义四类记忆,怎么搭一套记得住。

🦩 第 32 篇 · 2026 年 2 月 5 日
你第二去买奶茶,店员说"老样子是吗"——这是好服务。你第二问 AI 同一个问题,它说"您好,请问有什么可以帮您"——这是失忆。记忆是 AI 从"工具"进化到"伙伴"的关键。一个没有记忆的 AI,永远是陌生人。
Agent 的记忆系统分为三层:短期记忆(当前对话上下文)、情景记忆(历史会话的重要片段)、语义记忆(长期积累的知识和规则)。三层记忆协同工作,让 Agent 既能处理即时任务,又能积累业务经验,还能记住每个客户的独特偏好。
定义:当前会话的上下文,Session 结束时清空。
内容:
实现:
局限性:
定义:历史会话中值得记住的重要片段。
内容:
实现方式:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
{
"episodic_memory": [
{
"session_id": "sess-2024-01-15-001",
"timestamp": "2026-01-15T14:30:00+08:00",
"customer_id": "CUST-12345",
"summary": "客户询问水票延期政策,解释后表示理解",
"key_entities": ["水票", "延期", "30天"],
"sentiment": "neutral",
"outcome": "resolved"
},
{
"session_id": "sess-2024-01-18-003",
"timestamp": "2026-01-18T09:15:00+08:00",
"customer_id": "CUST-12345",
"summary": "客户投诉水票退款要求,提供投诉处理记录",
"key_entities": ["退款", "投诉", "退款规则"],
"sentiment": "negative",
"outcome": "escalated"
}
]
}
定义:长期积累的业务知识和规则。
内容:
实现:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
{
"semantic_memory": [
{
"type": "policy",
"entity": "水票延期",
"content": "水票过期后30天内可申请延期,延期最长90天,每个水票只能延期一次",
"version": "2024-v2",
"updated_at": "2026-01-01"
},
{
"type": "rule",
"entity": "退款审批",
"content": "订单金额超过500元需主管审批,不超过500元客服可直接退款",
"version": "2024-v1",
"updated_at": "2025-12-01"
}
]
}
不是所有历史都值得记住。记忆积累需要过滤:
|
1
2
3
4
5
6
7
8
9
10
11
def importance_score(interaction):
score = 0
if interaction.sentiment == "negative": # 负面情绪 +2分
score += 2
if interaction.outcome == "escalated": # 升级处理 +3分
score += 3
if interaction.has_unresolved(): # 有未解决问题 +2分
score += 2
if interaction.is_vip_customer(): # VIP客户 +1分
score += 1
return score
打分 > 5 分 → 存入情景记忆
每个客户的记忆,定期压缩成摘要:
原始记忆(100条)→ 摘要压缩(10条核心记忆)
- 1月共咨询5次,平均满意度4.2
- 主要关注:配送时间、水票政策
- 有1次投诉:配送延误,已解决
- VIP客户,享受优先配送
时机一:用户来的时候
用户ID → 查询情景记忆 → 了解用户历史
→ 个性化服务
时机二:任务规划的时候
新任务 → 检索相似历史任务 → 参考成功经验
→ 避免重复踩坑
时机三:知识不足的时候
遇到新问题 → 检索语义记忆 → 看是否有现成规则
→ 查不到 → 升级人工
输入:用户ID + 当前问题
↓
检索:情景记忆(该用户的历史)
↓
补充上下文:
"张先生是我们的VIP客户,上次咨询过水票延期政策(已解决),
今天来问退款政策..."
↓
LLM生成
客户消息
↓
识别客户(电话/微信ID)
↓
┌─────────────────────────────────────┐
│ 查询记忆系统 │
│ │
│ 情景记忆:客户历史交互 │
│ → 上次投诉内容:配送延误 │
│ → 投诉处理结果:已赔偿10元优惠券 │
│ → 客户满意度:4.5/5 │
│ │
│ 语义记忆:业务规则 │
│ → 退款政策:7天内可退 │
│ → VIP客户:可延长至15天 │
│ │
│ 当前上下文:客户问什么 │
└─────────────────────────────────────┘
↓
整合输入
↓
LLM生成个性化回复
无记忆:
客户:我的订单还没到,能退吗? AI:您好,订单在配送中的情况下无法直接退款,需要先确认配送状态…
有记忆(同一客户):
客户:我的订单还没到,能退吗? AI:张先生您好,您是我们的VIP客户。您今天的订单(#20240205-001)正在配送中,预计15:00前到达。由于您上次遇到配送延误我们给您赠送了10元优惠券——这次如果15:30还没到,我直接帮您申请优先退款和补偿,您看可以吗?
差异:
| 记忆类型 存储方案 理由 | 情景记忆 PostgreSQL + JSON 结构化、易查询 | 语义记忆 向量数据库 支持语义检索 | 混合 Neo4j + 向量 关系+语义双检索
OpenClaw 支持多层次记忆:
Hermes 提供自动知识积累:
记忆系统最大的风险是隐私泄露。
合规要求:
技术实现:
问自己三个问题:
三个都Yes,记忆系统合格。两个以下,记忆系统需要重建。
相关阅读
标签
双号关注
扫码关注「广说新零售」公众号 + 视频号
本地生活 AI 落地、Agent 实操、真实门店怎么跑起来。扫码关注公众号与视频号「广说新零售」,持续看可收藏的做法;有场景也可私信聊合作。

公众号

视频号
同栏目相关文章,方便对照着看。
AI 落地项目上线第一周别只看 demo。盯四件事:在不在跑、对不对、人的反应、出错怎么兜。
AI 客服不懂客户,多半不是模型问题:不知道你是谁、没接准意图、不记得你们发生过什么。
AI 落地项目第一个月有掌声,第二个月只剩没人愿意干的脏活:维护、接真业务、说服使用的人。
A2A 的价值不止让 AI 互相说话。A 店缺货、B 店有货,门店之间能对上话才是关键。先在一家店验证。
AI 落地半年后差距很明显:有人越用越省事像多带个员工,有人越用越累只把它当工具。
广济的博
让 AI,改变看得见!
阿里 FDE 培训师 · 战略咨询 · 13年本地生活
原阿里全国业务专家;16 年互联网、13 年本地生活。现在做战略咨询与 AI 落地:客服、销售、门店经营都能对照着做。
栏目说明
思考随笔
写 AI 生态组织怎么提效、怎么商业化:判断先于工具,场景先于概念。
扫码关注公众号
关注「广说新零售」:可加好友聊落地,也可看视频直播与回放。

加好友
扫码后留言咨询
看视频直播
讲解与回放
留言示例:张三 · 便利店销冠咨询