我做了一套人脑式 Agent 记忆系统 | 好的Agent记忆应该学会忘记什么

为什么做：AI记性不好这件事，我忍很久了

上周跟某AI聊一个项目，聊了一个小时，好不容易把需求讲清楚了。第二天打开新对话，它问我："你们公司做什么的？"

我：？？？

这不是第一次了。之前跟它说过"我不喜欢这种配色"，下次它还是给我推荐。我跟它强调过"这个项目的优先级很高"，过两天它又问我"这个事情我们做好了吗（一个低优的）"。

问题不在于AI不够聪明，问题在于它根本没有记忆架构。

作为一个做过多年大数据的PM，我的第一反应是：这不就是个数据分层的问题吗？

我想要的不是"聊天记录"，是"记得住事儿"

传统的AI聊天记录就像一个巨大的txt文件，从头到尾全是流水账。问题在于：

• 所有内容权重一样 ： 你随口吐槽的话，和你明确要求的事，混在一起
• 没有时间衰减 ： 三个月前的临时决策，和昨天的最新指令，AI分不清
• 找不到重点 ： 想调取"我对这个项目的要求"，得从几千条对话里人工筛

记忆简直像是垃圾堆。

我想要的是：AI知道什么重要、什么不重要，知道什么该记住、什么该忘掉，知道什么现在要用、什么以后才用。

就像人脑一样。

把记忆拆成四层，问题就清楚了

我最后没有做成一个"全知全能的大脑"，而是做成了一个金字塔。

底层：Raw Logs + Diary（日记层）

这一层装的是最原始的东西：

• 每天的对话记录
• 做项目时的实时决策
• 随口说的想法
• 情绪波动（比如"今天很烦，不想看PPT"）

特点：杂、多、真。

这一层不做筛选，先把东西接住再说。就像你的日记本，写的时候不用想"这个值不值得记"，先写下来。

中层：Working Memory（工作记忆层）

这一层只保留近期有用的内容：

• 正在做的项目（状态、进度、待办）
• 最近反复提到的需求
• 临时决策（"这周先做A，下周再做B"）
• 待确认事项（"这个方案还没定，周五前给答复"）

特点：短期、高频、会变。

这一层会自动清理。项目结束了、需求改了、决策过期了，就从这一层移出去。

索引层：Memory Index（记忆索引）

这一层很关键。它不负责存内容，它负责指路。

AI想找东西，先看索引：

• "嘻嘻公主对配色的偏好" → 指向 Core Memory
• "FormAI项目的最新进度" → 指向 Working Memory
• "上周那次很生气的对话" → 指向 Diary 2026-08-14

索引层像图书馆的目录，内容在别的地方，但它告诉你去哪找。

没有这一层，AI就算存了再多内容，也找不到。

顶层：Core Memory（核心记忆层）

这一层只放长期稳定、反复验证、以后还会用的东西：

• 我是谁（产品经理、9年经验、做过大数据）
• 我的工作习惯（喜欢Streamlit、不喜欢花哨动画）
• 我的项目清单（FormAI、TCM、买房助手...）
• 我的原则边界（不要随便改生产代码、不要承诺做不到的功能）

特点：少、稳、不轻易改。

这一层像一个人的底色。AI每次跟我对话，先读这一层，就知道"嘻嘻公主是个什么样的人"。

情绪路由：不是所有信息都按主题分类的

做到这里，我发现一个问题：有些内容不是按主题决定去哪儿的，而是按情绪和权重决定的。

比如：

• 我随口说"这个按钮有点丑" → 轻吐槽，记到Diary就行
• 我第三次强调"这个按钮必须改" → 高优先级，进Working Memory
• 我生气地说"我说了不要这个配色" → 边界反馈，直接进Core Memory

所以我加了情绪路由，把信息按情绪和强度分流：

| 情绪 | 适合沉淀到哪里 | 例子 | |-----|-------------|------| | 乐 | 成功方法 | "这个方案很顺，以后可以复用" | | 优 | 核心经验 | "这个架构很稳，三个项目都用了没问题" | | 怒 | 边界反馈 | "别再给我推荐这种方案了" | | 忧 | 长期观察 | "这个技术我还不确定，先记着观察" | | 怕 | 确认清单 | "这个操作有风险，以后要先问我" | | 焦 | 项目加速 | "这个项目拖太久了，得催一下" |

这不是为了让AI更"像人"，这是为了让它更接近真实协作。

人本来就不是按文件夹生活的，人是按重要性、按情绪、按当下状态来决定什么该留下。

遗忘机制：会删的记忆系统才是好系统

以前我总觉得，记忆系统应该尽量全存。

后来我发现，真正好的系统，得会删。

人不可能把所有事情都一样重地扛着。真正重要的会留下来，没那么重要的会变轻，还有一些东西过去了就过去了。

所以我给系统加了清理和复审机制：

1. 时间衰减 — 三个月没被调取的Working Memory，自动降级到Diary
2. 季度复盘 — 每季度看一次Core Memory，确认是否还有效
3. 低价值归档 — 流水账式的Diary，三个月后归档，不删但不主动加载
4. 核心记忆最小集 — Core Memory控制在50条以内，新增必须替换旧的

这样系统才不会越来越重，越来越乱。

技术实现：我没有做复杂

我用的技术栈很朴素：

• Obsidian 做主存储（Markdown文件，人能看，AI能读）
• Git 做版本管理（改动可追溯，能回滚）
• MEMORY.md 做索引（所有记忆的入口）
• 各层独立文件夹（Diary/ WorkingMemory/ Core/）

为什么选这套？

1. 开放 — 不锁在某个平台，随时能迁移
2. 可查 — 所有内容都是纯文本，想看什么直接搜
3. 可改 — 发现记错了，直接改文件就行
4. 轻量 — 不需要数据库，不需要复杂配置

我不太喜欢那种一上来就把系统封死的做法。记忆这种东西，越是长期用，越要开放，越要能改。

这套系统解决的是什么

做完之后，我发现它解决的不是"AI更聪明"，而是四个长期协作里的老问题：

1. 减少重复解释

以前每次新对话都要重新介绍"我是产品经理，做过大数据，现在在做AI工具"。现在AI一读Core Memory就知道。

2. 保住连续性

一个项目拉十几天，AI还能接得上，不会断。中间换了几个对话窗口也没事，Working Memory记着进度。

3. 让反馈真的落地

我说过"不喜欢这种配色"，系统记到Core Memory里。下次AI不会再犯同样的错。

4. 让多Agent协作不乱

我有5个Agent（小付、小五、金毛、Cici、狸狸），各干各的活。但他们都读同一套Core Memory，知道"嘻嘻公主的规矩"。

说白了，就是让AI不只是"会说"，还"记得住"。

给想做这套东西的人几个建议

1. 先做索引层，再填内容

很多人上来就开始写日记、记对话，结果存了一堆东西找不到。

正确顺序：先搭MEMORY.md索引，再往里填内容。

2. Core Memory别贪多

我见过有人Core Memory写了200条，结果AI每次加载半天，还找不到重点。

控制在50条以内，精不在多。

3. 定期清理，别让系统变重

每个月看一次Working Memory，过期的移走。每季度看一次Core Memory，不用的删掉。

会删的系统才是好系统。

4. 情绪路由不是必须的

如果你觉得情绪分类太复杂，可以不做。只做四层架构，已经能解决80%的问题。

先把基础做稳，再考虑优化。

写在最后

这套系统我用了四个月，现在已经成了我和AI协作的底座。

AI聪明，系统就要把他们的聪明记得住、延续得下去、并且能把当下接到未来。

真正好的AI，不是把所有事都替你做完，而是能把你的经验留住，把你的判断接下去。

而好的AI，我觉得需要能学会忘记。

这套架构的第一版在数据仓库式记忆管理里讲过，这是加了情绪路由和遗忘机制的第二版。

如果你也在做AI记忆系统，或者也被AI"失忆"困扰过，欢迎来聊。

关于作者

李嘻嘻，9年产品经理 + 3年AI实践者，专注于AI产品落地和工具开发。

• 个人站：https://yourhelper.me
• 项目：FormAI、TCM、XixiType等6个AI工具