Agent Memory（代理記憶）
又稱：代理記憶 · 智能體記憶 · 長期記憶 · agent memory
存在模型外面（檔案、資料庫）的資訊，需要時被挑出來、重新塞進上下文 —— 模型本身跨呼叫什麼都不記得。
你會在什麼時候遇到它
當你發現 Agent「昨天明明聊過，今天全忘了」，問題就在這裡：上下文視窗是檯面，記憶是抽屜，兩者不是一回事。分不清這個，你會以為換個上下文更大的模型就能治好遺忘 —— 抽屜裡的東西，不會因為桌子變大就自己跑上桌。
打個比方
像一個每天早上失憶的天才助理：能力都在，但昨天的事全不記得。解法是給他一本筆記本加規矩 —— 做完重要的事就寫進去（寫入側），每天開工先翻相關的幾頁（讀取側）。筆記本寫得亂，翻也翻不到。
最小範例
沒有記憶：
每次 session 從零開始；「我上次叫你別用那個 API」不存在
有記憶（示意）：
寫入側：任務結束 → 把決策、教訓、用戶偏好寫進檔案或資料庫
讀取側：新任務開始 → 用關鍵詞或向量檢索挑出相關幾條 → 塞進上下文
本站的三層設計：
Session Log（原始對話記錄）→ Daily Log（當日整理）→ MEMORY.md（長期精華）注意兩側都難，而且難在不同地方：寫入側難在「什麼時候寫、寫多細」—— 靠 Agent 自願記錄，它一忙就會漏，本站記錄過九成以上內容從未進入結構化日誌的事故；讀取側難在「挑哪幾條」—— 挑錯比不挑更糟，會把過時或不相干的內容當成現況。
最常搞錯的地方
- 把記憶和上下文視窗當同一個東西。上下文是這輪對話模型看得到的全部，關掉就沒了；記憶是外面的持久儲存，要主動撈、主動塞才會出現。RAG 把文件塞進上下文，用的是同一套「重新注入」機制。
- 只解決寫入、不解決讀取（或反過來）。存了一大堆、每次全塞進上下文，等於沒有記憶還更貴；記憶系統的品質瓶頸通常在「挑得準不準」。