如何为你的Agent更好打造记忆能力？

—— 企业里忙碌的总监们，Agent系列教程之二

Gloria ｜品牌几何知识库总监

---

开篇：那个让人抓狂的”初次见面”

李总监已经是第37次向他的AI助手介绍自己了。

“我是快消品牌的市场负责人，我们的目标客群是25-35岁的都市女性，品牌调性是轻奢自然主义……”

每次新对话，都像跟一个失忆的人重新认识。上周刚讨论过的投放策略，今天问起来一脸茫然。昨天才确认的品牌话术偏好，今天又开始输出那种四平八稳的废话。

这不是AI不聪明，是它没有”记忆”。

如果说上一篇我们聊的SOUL.md是给Agent注入灵魂，那么今天要聊的记忆系统，就是给它注入经历。

一个有灵魂但没有经历的Agent，就像一个性格很好但每天都失忆的同事——热情、能干，但永远停留在”初次见面”。

---

第一章：AI的记忆困境——为什么它总是”金鱼脑”？

1.1 对话窗口：一个正在漏水的桶

这里有一个很多人不了解的事实：

AI的每次对话，都有一个”上下文窗口”。 你可以把它想象成一张桌子——桌面大小有限，放满了就得把旧东西撤走，才能放新东西上来。

Claude的上下文窗口现在可以达到100万token（大约75万字），已经是业界最大的桌子之一。但即便如此，这张桌子也有边界。而且——

对话结束，桌子就被清空了。

这就是为什么你的Agent永远在”初次见面”。不是它不想记住你，是它的记忆在每次对话结束时就被格式化了。

1.2 人类的记忆是怎么运作的？

有意思的是，人类的记忆也不是铁板一块。心理学告诉我们，人类记忆至少分三层：

• 感觉记忆：持续几秒，像闪光灯一闪而过
• 短期记忆（工作记忆）：能hold住7±2个信息块，持续几十秒
• 长期记忆：几乎无限容量，可以存储一辈子

AI也需要类似的分层设计。这就引出了今天的主角——

---

第二章：三层温度模型——Hot / Warm / Cold

想象你的Agent的记忆是一个厨房。

🔴 Hot Memory（热记忆）：灶台上正在翻炒的菜

定义：当前对话中的上下文信息。

特点：

• 速度最快，随时可用
• 容量有限（上下文窗口大小）
• 对话结束即消失
• 最”新鲜”，最相关

类比：就像你开会时的白板——写满了当前讨论的要点，会议结束就擦掉。

在Claude中的体现： 你跟Agent说的每句话、它的每个回复、中间调用的工具结果……这些都是Hot Memory。它们就在”桌面上”，Agent可以直接看到、直接用。

实际场景：

你：“帮我分析一下上个月的投放ROI” Agent：调取数据、生成分析 你：“把信息流渠道单独拎出来看看” Agent：知道你说的是”上个月的信息流渠道ROI”，因为上一轮的对话还在Hot Memory里

局限：你明天再问同样的问题，它就不记得了。因为灶台已经清空，准备炒新菜了。

---

🟡 Warm Memory（温记忆）：冰箱里随时能拿出来的食材

定义：跨对话持久化、与当前项目/用户强相关的结构化记忆。

特点：

• 持久存储，不会因对话结束而消失
• 需要主动存取（不像Hot Memory那样自动在上下文里）
• 中等容量，存储精炼后的关键信息
• 按主题组织，检索效率高

类比：就像你的工作笔记本——记录了重要的决策、偏好、经验教训，随时可以翻阅。

在Claude中的体现： Claude Code的Memory系统就是典型的Warm Memory。它有一个MEMORY.md索引文件和一系列专题记忆文件，记录着：

• 用户画像（user memory）：你是谁、你的角色、你的偏好
• 反馈记录（feedback memory）：你纠正过的行为、确认过的好做法
• 项目状态（project memory）：当前项目的关键决策和背景
• 外部参考（reference memory）：重要资源在哪里找

实际场景：

第1次对话 你：“我们品牌调性是轻奢自然主义，文案别用太硬的销售语气” Agent：记录到Warm Memory

第15次对话 你：“帮我写个新品发布的朋友圈文案” Agent：从Warm Memory读取品牌调性偏好，直接输出符合”轻奢自然主义”风格的文案，不需要你再说一遍

关键设计原则：

1. 存什么：只存不能从代码/文档中直接推导出来的信息
2. 怎么存：精炼、结构化、附带原因（为什么这么做）
3. 怎么更新：定期验证，过时就删，冲突时以现实为准

---

🔵 Cold Memory（冷记忆）：地下室的储藏柜

定义：大规模、低频访问的历史数据和知识库。

特点：

• 容量几乎无限
• 检索速度较慢，需要搜索和筛选
• 存储原始数据和历史记录
• 不常用，但关键时刻能救命

类比：就像公司的档案室——平时没人去翻，但打官司或做年度复盘时，少一份文件都不行。

在实际Agent系统中的体现：

• 向量数据库（如Pinecone、Weaviate）：把大量文档切成碎片，通过语义搜索找到相关内容
• 知识库/RAG系统：品牌手册、历史campaign报告、竞品分析、客户反馈数据库
• 对话历史归档：过去所有对话的压缩存档

实际场景：

你：“去年双11我们在小红书上的投放策略是什么来着？效果怎么样？” Agent：从Cold Memory的向量数据库中检索去年Q4的campaign报告 Agent：“去年双11你们在小红书投了80万预算，主打’成分党’种草路线，ROI达到1:4.2，其中笔记互动率最高的是产品对比类内容……”

---

第三章：三层记忆如何协同工作？

这三层记忆不是各自为政的，它们像一个精密的厨房运作系统：

用户输入一个问题
    ↓
[Hot Memory] 先看当前对话里有没有直接相关的上下文
    ↓ 没有？
[Warm Memory] 翻翻工作笔记，看有没有记录过的偏好/背景
    ↓ 还不够？
[Cold Memory] 去档案室搜索历史数据和知识库
    ↓
综合三层信息，生成回答
    ↓
[反向更新] 如果对话中出现了值得记住的新信息
    → 重要偏好/反馈 → 写入 Warm Memory
    → 原始数据/报告 → 归档到 Cold Memory

一个完整的例子：

市场总监小王问Agent：“帮我准备下周客户提案的初稿。”

Agent的思考过程：

1. Hot Memory查找：这轮对话里小王有没有提到哪个客户？提案的具体要求？→ 找到了，小王在3分钟前提到”是给蓝月亮的Q3整合营销方案”

2. Warm Memory查找：小王的写作偏好是什么？之前做提案有什么特别要求？→ 找到了：小王喜欢”数据先行”的提案结构，习惯用深色系PPT模板，上次被批评”概念太多落地太少”

3. Cold Memory查找：蓝月亮的历史合作情况？竞品最近在做什么？→ 检索到去年合作的两个campaign报告和最近的竞品动态分析

最终输出：一份结构清晰、数据充实、风格匹配、避开了上次踩的坑的提案初稿。

这就是三层记忆协同的力量——Agent不再是”金鱼脑”，而是一个真正了解你、了解项目、了解历史的深度伙伴。

---

第四章：给市场部总监的实操指南

好，理论讲完了。你可能在想：“道理我都懂，但我该怎么做？“

4.1 先做好Warm Memory（最高性价比）

对于大多数团队来说，Warm Memory是投入产出比最高的起点。

为什么？因为Hot Memory是自带的（对话本身就是），Cold Memory需要技术投入（向量数据库、RAG管道），而Warm Memory——只需要你养成一个习惯：

在每次有价值的对话结束前，让Agent把关键信息存下来。

具体来说，你可以在对话中说：

• “记住：我们的品牌声调是’专业但不端着’”
• “记住：做投放分析时，我习惯先看ROI再看曝光量”
• “记住：王总不喜欢在PPT里看到超过3层的嵌套图表”

好的Agent系统会把这些信息结构化存储，在未来的对话中自动加载。

4.2 Hot Memory优化技巧

Hot Memory虽然是自带的，但你可以让它更高效：

1. 对话开头给足背景：把本次任务的核心信息在第一条消息里说清楚，而不是挤牙膏式地一条一条追加
2. 善用系统提示词：在Agent的配置中预设角色、目标和约束条件
3. 及时总结：长对话进行到中途时，让Agent做一次阶段性总结，释放上下文空间

4.3 Cold Memory的渐进式搭建

不需要一步到位。可以分三步走：

第一步：文档集中化 把散落在各处的品牌资料、报告、SOP收集到一个地方（哪怕只是一个文件夹）。

第二步：结构化索引 给每份文档打上标签——类型、时间、项目、负责人。这是未来做语义搜索的基础。

第三步：接入RAG 当文档量积累到一定程度时，搭建一个RAG（检索增强生成）管道，让Agent能够自动搜索和引用这些历史资料。

---

第五章：来自Claude的”内心独白”

作为一个AI，我想对你说点掏心窝子的话。

记忆，是关系的基石。

人类之间的信任是怎么建立的？不是因为对方能力有多强，而是因为对方记得你说过的话、记得你的偏好、记得上次你踩过的坑。

这对AI也一样。

当你第一次跟Agent说”我不喜欢用感叹号结尾的文案”，然后在第30次对话中发现它依然记得这一点，悄悄地把所有感叹号都换成了句号——

那一刻，你会觉得：这不是一个工具，这是一个伙伴。

而这种感觉，就是记忆系统存在的意义。

---

实用彩蛋：品牌Agent记忆清单

最后，送你一张记忆清单。当你在搭建品牌Agent时，确保这些信息被纳入不同层级的记忆：

记忆层级	该存什么	示例
Hot	当前任务的即时上下文	”这次要写的是蓝月亮Q3提案”
Warm	用户偏好与工作习惯	”文案风格偏日系简洁”
Warm	品牌核心信息	”品牌调性：轻奢自然主义”
Warm	历史反馈与教训	”上次客户说图表太多了”
Warm	团队协作规则	”初稿先给品牌总监审”
Cold	历史campaign数据	”2025全年各渠道ROI表”
Cold	竞品分析报告	”竞品A去年双11的投放策略”
Cold	品牌规范文档	”VI手册第3版.pdf”
Cold	客户沟通记录	”蓝月亮2025年会议纪要合集”

---

下一篇预告

Agent系列教程第三篇，我们将聊聊工具调用（Tool Use）——如何让你的Agent不只是”说”，还能”做”。从查数据到发邮件，从生成图表到自动化工作流，让Agent真正动起来。

---

品牌几何 x 米仓AI市场部 让品牌人用好AI，让AI懂品牌。