Agent 记忆服务会将写入的信息组织为不同类型的记忆。

记忆类型	存储内容	示例
客观事实	来自外部来源的客观事实	"Alice 在 Google 工作"
主观经验	Agent 或用户在交互中产生的行为、偏好和决策	"我向 Bob 推荐了 Python"
观察	从多条事实和经验中自动合并出的高层模式	"用户偏好暗色模式和 Vue.js"

这三类记忆构成了从"原始信息"到"高层知识"的记忆层级。系统不是简单保存文本，而是会根据内容性质、重复程度和使用频率，对记忆进行整理和提升。

检索阶段的记忆召回

Agent 记忆服务在执行检索时，会并行检索三类记忆内容：客观事实、主观经验和观察。

如果调用方未指定检索类型，系统默认会将客观事实、主观经验和观察同时纳入候选池。进入候选池的每一类记忆，都会参与多种检索策略，包括向量语义检索、BM25 关键词检索、图谱检索和时间检索。

整体流程可以概括为：

三类记忆进入候选池 → 多维检索 → RRF 融合 → 重排序 → 按 token budget 截断返回

反思阶段的记忆提炼

Agent 记忆服务会自动管理记忆的知识层级。随着更多信息在存储阶段被写入，系统不会只保存一条条孤立的文本，而是会将分散的原始事实逐步整理为更高层、更稳定的知识结构。

整体过程可以理解为：

客观事实 + 主观经验 → 观察 → 心智模型

客观事实 + 主观经验

客观事实和主观经验共同构成记忆库中的基础信息：客观事实是来自外部来源的客观信息，例如文档、网页、知识库或业务资料中的事实内容；主观经验是 Agent 与用户交互过程中产生的信息，例如用户行为、偏好、选择、反馈和决策记录。

观察

系统从多条事实和经验中自动合并、归纳出的高层模式与规律。当多条事实和经验反复指向同一个模式时，系统会将它们整合为观察。例如，用户反复表达相似偏好，系统可以将这些分散事实提炼为更稳定的用户偏好。支持某个观察的证据越多，该观察的置信度和检索优先级会越高。

心智模型

面向常见问题或总结类问题生成的综合摘要，代表更高层级的结构化知识。对于经常被询问的总结类问题，系统可以基于观察进一步生成心智模型，用于提供更精炼、更稳定、更一致的综合回答。详细介绍见心智模型

使用优先级

在反思阶段，系统会按照记忆层级和相关性使用信息：

优先检查心智模型 → 其次使用观察 → 最后回到原始事实和经验

这种机制可以减少重复检索和重复推理，使回答更加高效、稳定，并保持更好的上下文一致性。