简介:长期运行的 Agent 会因为重复、冲突和过期记忆越跑越乱。本文借鉴 Dreaming 的思路,介绍会话间隙整理记忆的分层设计、结构化字段、冲突消解和检索策略,并给出风控清单,帮助开发者降低 Token 成本,让 Agent 的决策更稳定。
很多开发者在做长周期 Agent 时都会遇到类似问题。
原因在于,Agent 的记忆通常是局部、增量写入的。每次写入在当时看都合理,但长期累积后,记忆库会变成重复、冲突和过期信息的集合。这会带来三类后果:
所以,问题的核心不在于让 Agent 变得更聪明,而在于让它具备维护长期记忆的能力。
本文所说的 Dreaming,指一种通用的工程设计模式。它在会话结束、任务暂停或定时任务触发时,由一个独立的整理流程回看近期记忆,完成摘要、去重、冲突检测和合并,再把结果写入长期记忆库。
这个名字借用了神经科学中“记忆巩固”的比喻。大脑在睡眠时会重放经历、修剪连接,把短期记忆转为长期记忆。这只是类比,Agent 并不会真正睡眠或做梦。
需要说明的是,本文不是对某个产品官方功能的描述。如果你在使用 Claude Code 或其他平台,请以官方文档为准,确认该平台是否提供原生记忆整理能力、适用版本和配置方式。
该模式的三个阶段如下:
| 阶段 | 人类类比 | 工程实现 |
|---|---|---|
| 重放 | 回忆白天的经历 | 读取近期会话、工具调用记录和任务结果 |
| 修剪 | 去掉无用信息 | 去重、摘要、降低权重、标记过期记忆 |
| 巩固 | 形成长期知识 | 写入长期记忆库,并记录来源和版本 |
该模式适合多会话、长周期、需要反复复用项目规则的 Agent,例如编程助手、运维 Agent 和数据分析 Agent。它不适合单次问答、记忆量很小的场景。对于没有审核能力,且记忆会直接影响高风险操作的系统,也不建议直接使用。
不要把所有信息放进同一个记忆库,建议分为三层:
只有长期知识层会被整理流程处理。这样可以避免临时状态污染长期记忆。
每条记忆至少应包含以下字段:
{"id": "mem_0005","content": "该项目测试命令使用 pnpm test","source": ["session_123"],"timestamp": "2026-11-16T10:00:00Z","confidence": 0.92,"tags": ["testing", "project-rule"],"status": "active","version": 3,"superseded_by": null}
字段说明如下:
source 保存原始会话或工具调用的 ID,便于回溯。confidence 表示可信度,由验证结果、来源类型和人工确认情况共同决定。status 取值为 pending(待确认)、active(生效)、rejected(已否决)或 superseded(已被替代)。version 和 superseded_by 用于版本管理和回滚。结构化字段是去重、冲突检测和过期判断的基础。没有这些字段,整理流程只能依赖自然语言比较,结果很难复现。
建议在以下时机触发整理:
以上数值只是起点。正式使用前,应根据历史任务进行离线评测,再调整阈值。
下面是伪代码,用于说明流程结构。其中的 load_recent_memories、cluster_by_topic 等函数需要自行实现,代码不能直接用于生产环境。生产版本还需要补充权限检查、事务写入和日志审计。
def dreaming(trigger_reason, tenant_id):try:memories = load_recent_memories(tenant_id, since_days=7)except StorageError as e:log_error("load failed", e)returnclusters = cluster_by_topic(memories)for cluster in clusters:if len(cluster) < 2:continuesummary = summarize(cluster) # 摘要必须保留 source 列表conflicts = detect_conflicts(summary)if conflicts and max_confidence(conflicts) < 0.7:mark_pending_review(conflicts) # 低置信度冲突交给人工或后续验证continuemerged = resolve_conflicts(summary, conflicts)save_to_long_term_memory(merged, tenant_id, version=bump_version())
整理流程的核心能力有三项:
冲突消解最好采用明确的规则,再由模型辅助判断。常用规则如下:
pending。active 记忆。superseded,不直接删除。下面是一个最小案例:
pnpm test 执行成功,记录为 active。package.json 的 packageManager 字段为 pnpm。rejected,pnpm test 保持 active,两条记录的来源都可追溯。长期记忆不应只依赖向量相似度。建议采用混合检索:
top_k=20,相似度低于 0.6 的结果直接丢弃,用于找语义相近的经验。top_k=10,匹配项目名、函数名和错误码。status=active 且 confidence >= 0.7 的记忆。score = 相似度 × 0.8 + 时效分 × 0.2,时效分按 30 天线性衰减。这些参数的依据是召回率与误用率。建议用一批历史任务离线测试,比较不同参数下的结果,再确定最终取值。
Dreaming 会增加模型调用,包括摘要、分类、冲突判断和合并。模型选择应按任务类型区分:
为了验证成本收益,可以在同一批任务上做 A/B 对比,关注以下指标:
如果 Agent 需要调用多个模型,建议统一接口层,便于比较成本并切换模型。
记忆整理能减少噪声,也会引入新的风险。上线前建议逐项确认:
pending,在连续 3 次任务中被成功使用后,再转为 active。source 列表,支持回溯到原始会话。tenant_id 和 project_id 隔离存储。写入前,脱敏手机号、密钥、令牌等敏感信息。superseded 记录至少保留 30 天。Dreaming 式的记忆整理,核心是让 Agent 的经验保持准确、可追溯、可回滚。它不能替代提示词设计和模型能力,但能减少长期运行中的记忆退化。
落地时建议从小范围试点开始。选择一个项目,运行两周,比较以下三项指标:记忆条目数量、Token 消耗和任务成功率。数据稳定后,再逐步扩大范围。