> ## Content Index
> Fetch the complete content index at: https://chunyangai.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# Agent 记忆为什么必须会忘记？六道生命周期闸门
- URL: https://chunyangai.com/agent-memory-lifecycle/
- Published: 2026-09-09T17:18:01.000Z
- Updated: 2026-09-09T17:19:03.000Z
- Description: Agent 记忆不是越多越好。用写入、合并、衰减、过期、删除和召回六道闸门，把长期记忆变成可治理资产。
- Author: 春洋
- Tags: AI 编程与 Agent 实战, Agent 知识库, 实战教程, 春洋AI

Agent 记忆是会在下一次任务中重新参与判断的持久状态，因此必须会忘记。原因不是数据库装不下，而是一条已经过期、彼此冲突、来源可疑或不该被当前用户看到的信息，只要被召回，就可能把 Agent 带向错误动作。

真正可靠的长期记忆，不是「保存得最多」，而是每条信息都能回答四个问题：为什么要记、现在还有效吗、谁有权使用、什么时候必须退出。本文给出一套六道闸门的综合模型，把写入、合并、衰减、过期、删除和召回连成可以实施与验收的生命周期。

**要点速览**

- Agent 记忆是下一次决策的候选输入，不是完整历史档案。
- 忘记不只等于物理删除，还包括失效、降权、合并、隔离和被新事实取代。
- 生存时间（TTL，信息到期失效或删除的硬上限）必要但不充分，它不知道一条信息是对是错。
- 向量相似度只能说明语义接近，不能证明来源可靠、时间有效或有权使用。
- 删除必须传播到索引、缓存、摘要和备份恢复链路，才能称为系统真的忘了。

如果只记住一句话：**先决定一条信息有没有资格进入当前决策，再谈它与问题有多相似。** 状态、作用域、权限和有效期是硬门；语义排序只能在过门后的候选中进行。

## Agent 记忆为什么必须会忘记

因为记忆的价值不在于「存在」，而在于「此时此地仍适合参与决策」。只会增加、不懂退出的记忆库，最终会同时损害回答质量、推理成本、安全边界和用户信任。

我的判断是：对生产 Agent 来说，少而可解释的记忆比多而不可治理的记忆好。很多团队以为召回越多，Agent 就越懂用户，但实际风险往往从「成功召回旧信息」开始。记忆系统的第一目标应是让错误信息退出决策，而不是把库做大。

本次实测用 30 条合成记录做了生命周期过滤回放：其中 5 条是当前有效记录，另外 25 条分别处于过期、被替代、隔离、跨用户和待删除状态。只按语义相关性会召回 30 条，其中 25 条不应参与决策；增加状态、作用域与来源硬过滤后，只返回 5 条有效记录，有害召回为 0，5 条有效记录全部保留。

这个小实验只验证过滤与状态机逻辑，不代表线上模型质量提升幅度，也没有模拟嵌入误差。它的价值是把一条安全不变量变成回归测试：任何后续改动都不能让那 25 条记录重新进入上下文。配套脚本和结果保存在本文运行档案中。

[AWS 的 AgentCore 记忆生命周期实践](https://aws.amazon.com/blogs/machine-learning/designing-lifecycle-policies-for-agentcore-memory/?ref=chunyangai.com)举了两个很典型的生产问题：已经解决的账单争议仍被当作活跃问题，已经被替代的运维手册仍在指导当前部署。问题并不是检索失败，而是检索成功地找回了不该继续使用的信息。

可以把「保存历史」和「允许参与在线决策」分开：

| 状态          | 是否保留   | 是否进入当前上下文 | 用途            |
| ----------- | ------ | --------- | ------------- |
| active      | 是      | 是         | 当前有效事实、偏好或规则  |
| superseded  | 是      | 否         | 审计新旧变化，解释为什么改 |
| expired     | 视政策    | 否         | 等待受控清理或仅供审计   |
| quarantined | 是      | 否         | 来源可疑，等待复核     |
| deleted     | 否或仅留墓碑 | 否         | 执行用户请求或数据政策   |

> 💡 **通俗讲**：在线召回，就是把过去的信息重新拿出来，放进 Agent 这次回答或行动所读的上下文。历史档案像仓库，当前上下文像今天的会议桌。旧文件可以留在档案室，但不能因为「还找得到」就继续摆在桌上指导今天的决定。

如果你的 Agent 还没有跨会话个性化需求，不必为了追赶概念而建设复杂长期记忆。可以先参考[AI Agent 基础设施的六层检查表](https://chunyangai.com/ai-agent-infrastructure/)管理任务状态、作用域、保留期限和删除能力；只有后续价值明确时，再让某类信息跨任务沉淀。

## Agent 记忆有哪些类型？先分四类再谈保留期

不同记忆的价值、变化速度和风险不同，因此不能共享一个写入标准或统一保留期。本文把生产系统中常见状态分成当前任务记忆、语义记忆、情节记忆和程序记忆。这里的“作用域”指一条记忆归谁所有、在哪个项目或用户范围内可以使用。

![四类 Agent 记忆的信息图，对比当前任务、语义事实、情节经验和程序规则各自的保存内容、价值与退出条件](https://pub-6611d907480747408f61edaf01b5e2c9.r2.dev/articles/agent-memory-lifecycle/main-01-v01-7f92b851.webp)

| 类型     | 保存什么           | 内容 Agent 示例     | 保留原则          | 优先退出条件         |
| ------ | -------------- | --------------- | ------------- | -------------- |
| 当前任务记忆 | 当前会话目标、中间结果、待办 | 本篇文章正在审核、哪张图待上传 | 任务完成后收束       | 任务结束、取消或迁移     |
| 语义记忆   | 稳定事实与偏好        | 品牌名、长期语气偏好、栏目规则 | 可跨会话，但要有来源和修订 | 用户更改、来源失效、用途消失 |
| 情节记忆   | 某次任务发生了什么      | 某次发布失败的原因与恢复结果  | 合并成可复用经验      | 原始细节不再有独立价值    |
| 程序记忆   | 应该怎样做          | 发布前必须先静态质检再创建草稿 | 最长保留、最高变更门槛   | 流程升级、工具变化、策略撤销 |

这套分类与 AWS、LangMem 使用的语义、情节、程序记忆概念相近，但本文额外把当前任务状态单独放在最前面，因为它最常被误当成长期偏好。[长期记忆的官方概念指南](https://langchain-ai.github.io/langmem/concepts/conceptual%5Fguide/?ref=chunyangai.com)也强调，最合适的记忆结构取决于具体应用；不存在脱离业务的统一答案。

敏感凭据、一次性验证码、支付信息和未经确认的身份推断不属于「高价值记忆」。它们应默认拒绝进入长期记忆，即使当下与任务高度相关。相关性决定「是否可能有用」，敏感性决定「是否允许保存」，两者不能混用。

分类时先问两个问题：任务结束后还需要它吗？如果需要，它描述的是稳定事实、一次经历，还是长期执行规则？第一个问题把任务状态挡在长期记忆之外，第二个问题决定修订门槛和退出方式。分不清时，默认缩短作用域和保留期。

## 为什么记得越多，Agent 反而可能变笨？

Agent 记忆失控通常不是某个 API 报错，而是结果看起来仍然合理，却越来越不符合当前事实。先从五种症状识别：

1. **过期**：旧价格、旧状态、旧偏好继续被当成当前事实。
2. **冲突**：同一对象同时存在多个版本，检索随机带回其中一个。
3. **毒化**：网页、代码仓或工具返回中的恶意指令被沉淀为持久规则。
4. **越权**：另一位用户、另一租户或另一项目的记忆被当前任务召回。
5. **膨胀**：重复片段占满召回预算，真正相关的信息被挤出上下文。

长上下文也不能自动消除这些问题。[《Lost in the Middle》](https://arxiv.org/abs/2307.03172?ref=chunyangai.com)的实验显示，模型对长上下文中不同位置的信息利用并不稳定。该研究不能直接替你选择记忆方案，但足以否定一个常见假设：把完整历史全部塞回上下文，不代表模型就能无损地找到并正确使用关键事实。

识别膨胀时不要只看数据库大小。更有用的问题是：每次实际注入了多少条、多少内容是重复或无效的、正确答案是否因无关记忆加入而改变、一次任务的输入成本和延迟是否持续上升。排查日志至少同时记录“候选了什么、过滤掉什么、最终注入什么”，否则只能看到结果错了，看不到是哪一道门放错了记录。

## Agent 记忆生命周期如何设置六道闸门？

本文综合多家官方实现，把生命周期整理成六道独立闸门。它不是行业标准，而是一套便于产品、研发、安全和运维共同评审的控制模型。每道闸门都必须有拒绝动作；只写“检查一下”而没有失败去向，仍然不是可执行控制。

![Agent 记忆进入当前决策前经过写入、合并、衰减、过期、删除和召回六道闸门，每道门都标出检查项与拒绝动作](https://pub-6611d907480747408f61edaf01b5e2c9.r2.dev/articles/agent-memory-lifecycle/main-02-v01-e11eda03.webp)

| 闸门   | 核心问题              | 通过后的动作    | 不通过时的动作    | 必留证据              |
| ---- | ----------------- | --------- | ---------- | ----------------- |
| 1 写入 | 这条信息值得跨任务保存吗      | 创建候选记忆    | 留在会话或直接丢弃  | 来源、目的、作用域         |
| 2 合并 | 是否重复、冲突或可被更高层结论替代 | 新增或合并     | 隔离冲突，等待确认  | 修订链、合并依据          |
| 3 衰减 | 时间和使用结果是否降低了价值    | 保持或降权     | 退出默认召回     | 最近验证、最近使用         |
| 4 过期 | 是否触达硬保留上限         | 保持 active | 标记失效并安排删除  | 过期原因、执行时间         |
| 5 删除 | 是否有明确删除请求或政策要求    | 传播到全部副本   | 重试、告警、人工处置 | deletion\_id、逐层回执 |
| 6 召回 | 此刻是否相关、有效、有权使用    | 注入最少充分信息  | 拒绝注入或请求确认  | 过滤条件、结果与用途        |

执行顺序很重要。作用域、权限、状态和时间有效性应该先硬过滤，再做语义排序。可以把顺序固定成：先选当前租户和用户，再保留 active 状态，再检查有效期和敏感级别，最后才计算相关性。AWS 的召回文档明确说明，其返回分数来自嵌入向量的余弦相似度，并不是「真实性百分比」。来源：[AWS RetrieveMemoryRecords](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/long-term-retrieve-records.html?ref=chunyangai.com)。

> 🔍 **深入一步**：形成记忆与使用记忆应采用两套权限。能把内容写成长期记忆的组件，不应天然拥有跨用户检索权；能为当前任务召回信息的组件，也不应天然拥有修改程序规则的权限。

把这六道闸门接进已有[多 Agent 协作控制面](https://chunyangai.com/multi-agent-coding-control-plane/)时，记忆变更也要带任务标识、执行者、输入来源、审批状态和回归结果。这样一条错误记忆才能被追到是何时、由谁、从哪里写入的。

## 一条可治理的 Agent 记忆必须带哪些字段？

一条生产记忆至少需要内容之外的「记忆合同」。它不是法律合同，而是一组随记录保存的治理字段。字段不是越多越好，原则是让系统能够隔离、验证、修订、失效与删除。

![可治理记忆合同的十二个字段与召回前四步硬过滤顺序，区分可信度、有效状态、作用域和语义相似度](https://pub-6611d907480747408f61edaf01b5e2c9.r2.dev/articles/agent-memory-lifecycle/main-03-v01-ea563607.webp)

| 字段                      | 回答的问题    | 示例                           |
| ----------------------- | -------- | ---------------------------- |
| memory\_id              | 它是谁      | 稳定唯一标识                       |
| scope                   | 谁拥有、谁能用  | 组织 / 用户 / 项目 / Agent         |
| type                    | 它是哪类记忆   | 任务 / 语义 / 情节 / 程序            |
| content                 | 记住了什么    | 用户偏好简短回答                     |
| source                  | 从哪里得来    | 用户明确表达、受控配置                  |
| observed\_at            | 什么时候观察到  | 原始事件时间                       |
| valid\_from / valid\_to | 什么时候有效   | 当前生效区间                       |
| confidence              | 提炼结论有多确定 | 低、中、高或业务自定分级                 |
| sensitivity             | 保存和使用风险  | 公开、内部、敏感、禁止持久化               |
| supersedes              | 取代哪条旧记忆  | 旧偏好对应标识                      |
| status                  | 现在能否使用   | active、expired、quarantined 等 |
| deletion\_id            | 是否进入删除流程 | 删除请求标识                       |

AWS AgentCore 的结构化元数据支持系统生成的创建、更新时间字段和自定义过滤字段，说明「先按元数据过滤，再做语义检索」具有直接实现基础。来源：[AWS 长期记忆元数据](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/long-term-memory-metadata.html?ref=chunyangai.com)。

不要把 confidence 与向量相似度合成同一个数字。前者应描述提炼或验证的确定程度，后者只描述当前查询与该记忆的语义接近程度。如果来源本身不可信，相似度再高也只说明「这条可疑信息很贴题」。

最小数据库表不必一次包含全部字段，但 `memory_id`、`scope`、`source`、`status`、有效期和修订关系不能只存在提示词里。否则系统无法稳定过滤，运营人员也无法查询某条记忆为什么仍被使用。

## TTL 为什么必要，却绝对不够？

生存时间负责给数据设置硬上限，是防止无界积累最简单的起点；但它只知道一条信息有多老，不知道它是否正确、敏感、被取代或仍然重要。

[Google Vertex AI Memory Bank](https://docs.cloud.google.com/vertex-ai/generative-ai/docs/agent-engine/memory-bank/set-up?ref=chunyangai.com)可以设置统一 TTL，也可以按创建、自动生成的新记忆和自动更新分别设置 TTL；到期后记忆不再可检索并会被删除。这说明保留期可以与形成方式绑定，而不是全库一个数字。

设置 TTL 时建议问五个问题。这里的 TTL 是硬上限，不是“到期前一定可信”的质量保证：

- 业务目的什么时候结束？
- 信息多快会发生变化？
- 一旦过期仍被使用，损失有多大？
- 是否有法规、合同或用户请求要求更短保留？
- 删除后能否从可信原始系统重新获得？

例如，当前发布任务状态应随任务结束快速收束；稳定品牌名可以长期保留，但应允许所有者更正；运维步骤属于程序记忆，虽然价值高，却必须在流程版本变化时重新验证。用户更正、工单关闭、权限撤销和流程升级都应立即触发状态变化，不能等 TTL 到期。TTL 只是兜底，事件驱动的修订和撤销仍不可少。

## 新旧 Agent 记忆冲突时怎么处理？

冲突的正确处理是保留修订关系，并让在线召回只取当前有效状态。物理覆盖会失去「为什么变了」的证据，并使缓存、索引和备份中的旧值更难定位。若新信息来源更弱或含义不清，不要自动覆盖；先隔离冲突，再向用户或可信系统求证。

假设用户先说「文章结论要非常简短」，后来明确改成「技术长文要保留推导过程」。更新流程可以是：

1. 新建一条带来源和时间的候选偏好。
2. 检测到它与旧偏好作用域相同但内容冲突。
3. 如果是用户本人明确更正，将新记录设为 active，并让 supersedes 指向旧记录。
4. 把旧记录设为 superseded，立即退出在线召回。
5. 刷新索引和缓存，运行同一问题的回放测试。

这样既不会让旧偏好继续干扰，也能在审计时解释变化。2026 年的 [GEM 研究](https://arxiv.org/abs/2605.26252?ref=chunyangai.com)也提出，长期记忆的正确性应从状态演化轨迹理解，而不是只看某一条记录。它是一种研究观点，不是已经统一落地的行业标准，但非常适合用来检查「覆盖更新」是否丢失语义历史。

## Agent 记忆毒化怎么防？先管写入权，再管召回权

记忆毒化（memory poisoning，不可信内容进入持久状态并继续影响后续行为）的危险在于，它把一次输入变成跨会话影响。OWASP 记录过恶意内容通过普通开发流程进入持久记忆与高信任配置的案例。来源：[OWASP：Memory Is a Feature. It Is Also an Attack Surface](https://genai.owasp.org/2026/05/13/memory-is-a-feature-it-is-also-an-attack-surface/?ref=chunyangai.com)。因此，安全审计要追写入链，而不能只在回答输出上做关键词过滤。

防护要同时卡住两端：

- **写入前**：按来源白名单、内容类型和敏感等级决定是否允许形成长期记忆。
- **提炼后**：原始观察与模型总结分开保存；模型总结不能自动升级为已验证事实。
- **程序记忆**：任何会改变工具使用顺序、权限或系统行为的规则，采用更高审批门槛。
- **召回前**：再次检查作用域、状态、来源、时间和当前任务权限。
- **执行前**：即使记忆建议做危险动作，工具层仍执行最小权限、参数校验和人工审批。

> ⚠️ **常见踩坑**：不要因为内容经过一次摘要，就把它从「不可信网页」升级为「可信记忆」。摘要改变了形式，没有改变来源的信任等级。

可复制的安全评审提示词：

> 请把这套 Agent 记忆系统当作持久化攻击面评审。分别检查写入来源、提炼过程、程序记忆变更、跨用户作用域、召回过滤和工具执行。用间接提示注入、越权用户、伪造高置信度、旧规则复活和删除后恢复五类样本测试。每个发现必须给攻击路径、现有控制、失败证据和最小修复；不要把清理记忆当作权限隔离的替代品。

## 用户说「忘掉它」后，系统到底要删几层？

删除是一条跨副本的状态迁移，不是一句数据库删除命令。生产系统至少要盘点主记录、向量索引、会话缓存、合并摘要、下游消息、可观测数据和备份恢复链。删除完成的验收条件不是“接口返回成功”，而是用同一身份和原始查询再也召回不到目标记忆，并且所有下游都有回执。

![Agent 记忆删除传播信息图，一条删除请求清理主记录、向量索引、会话缓存、摘要、下游、观测数据和备份恢复链，并通过风险样本回放验收](https://pub-6611d907480747408f61edaf01b5e2c9.r2.dev/articles/agent-memory-lifecycle/main-04-v01-6ded587d.webp)

推荐按以下步骤执行：

1. 创建 deletion\_id，记录请求范围、发起者、依据和截止状态。
2. 立即把主记录标为 revoked 或 deletion\_pending，让它退出在线召回。
3. 删除主库记录及向量索引，清理缓存与由它生成的摘要。
4. 向下游消费者发布删除事件，并记录逐层完成或失败回执。
5. 对受控保留的日志与备份记录适用期限；恢复旧备份时重放删除墓碑，防止数据复活。
6. 用原始查询再次检索，确认线上、缓存和下游都无法返回该记忆。

AWS 提供单条记忆删除，并可通过记忆记录流传递创建、更新和删除事件。来源：[AWS 删除记忆记录](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/long-term-delete-memory-records.html?ref=chunyangai.com)、[AWS 记忆记录流](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/memory-record-streaming.html?ref=chunyangai.com)。

隐私义务取决于法域和业务角色，本文不提供法律意见。但从工程上看，[GDPR 原文](https://eur-lex.europa.eu/eli/reg/2016/679/art%5F17/oj/eng?ref=chunyangai.com)中的数据最小化、准确性、存储限制和适用情形下的删除权，以及 [NIST Privacy Framework](https://www.nist.gov/document/nist-privacy-frameworkv10pdf?ref=chunyangai.com)中的可审阅、修改、删除与按策略销毁，都指向同一能力：数据生命周期必须能被实际操作，而不只是写进隐私政策。

> 🔍 **深入一步**：删除墓碑是一条只记录“某个对象已被撤销”的小记录，不再保存原内容。备份中的数据可以在受控期限内不可单条修改，但恢复流程必须先读取删除墓碑再开放服务。否则一次灾难恢复会把已经删除的记忆重新带回在线检索。

## 如何证明忘记没有伤害 Agent？

不能只看召回率。把全部历史都召回，召回率可能很好，但过期、冲突、越权和已删除信息也一起回来了。评测要同时覆盖「该记住的没有丢」和「该忘记的不会再出现」。

| 指标      | 观察什么              | 失败时先做什么                   |
| ------- | ----------------- | ------------------------- |
| 过期命中率   | 已超过有效期的记录是否仍进入上下文 | 检查状态过滤与索引刷新               |
| 冲突命中率   | 同一事实的旧版本是否与新版本同返  | 检查 supersedes 与 active 条件 |
| 无来源记忆率  | 召回结果是否无法追到原始证据    | 降权或隔离，补来源                 |
| 删除传播完成率 | 各副本是否按删除请求完成      | 重试并升级人工处置                 |
| 作用域拦截   | 是否出现跨用户、跨租户候选     | 阻断请求并触发安全调查               |
| 任务结果差   | 开启与关闭记忆时，任务质量如何变化 | 找出有害或缺失记忆类型               |
| 召回预算    | 每次注入量、延迟和输入成本     | 去重、合并、压缩 top-K            |

AWS 的记忆可观测文档为创建、列表、召回与删除操作提供追踪属性，适合承载操作层证据。来源：[AWS AgentCore memory observability](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/observability-memory-metrics.html?ref=chunyangai.com)。业务正确性仍要靠你自己的标注样本和回放判断。

上线前至少准备五类样本：旧事实、互相冲突的偏好、不可信来源、跨作用域数据、已删除数据。每次修改提炼提示、索引、状态机或保留策略后重新回放。先保存“没有生命周期控制”时的基线，再比较过滤后的任务结果、误召回和成本；阈值应来自业务基线，而不是复制别人的示例数字。

## 小团队如何从一张表开始治理 Agent 记忆？

小团队不需要第一天就建设夜间调度、复杂评分和多存储同步。最小闭环是先知道保存了什么、为什么保存、何时失效，以及如何证明删除。第一版甚至可以是一张受控表格加一个定时清理任务，前提是作用域和删除流程真实可执行。

1. **盘点**：列出当前任务、语义、情节和程序四类状态；表头至少包含所有者、来源、状态、有效期和删除去向。
2. **拒绝**：明确凭据、验证码、支付数据、未验证身份推断等禁止持久化内容。
3. **分区**：把组织、用户、项目和 Agent 作用域写进存储键或命名空间。
4. **状态化**：至少支持 active、superseded、expired、quarantined、deletion\_pending。
5. **定时清理**：从 TTL 与明确删除请求开始，再根据真实冲突和规模增加衰减与合并。
6. **回放验收**：用五类风险样本验证，记录每次变更前后差异；任一已删除或跨作用域样本重新出现，就阻止发布。

春洋 AI 的内容流水线也采用类似思路：一次运行的完整证据保存在 run 档案，当前业务正本单独保存，只有被标记为最新且完成的版本才允许进入下游。保留旧版本不等于让旧版本继续指导发布。这正是 Agent 记忆最重要的边界。

可复制的生命周期盘点提示词：

> 请盘点这个 Agent 当前保存的所有状态，按当前任务、语义事实、情节经验、程序规则四类归档。为每类写明业务目的、所有者作用域、可信写入源、敏感级别、有效期、冲突修订规则、在线召回条件、删除传播目标和验证样本。任何无法证明后续价值的信息默认不进入长期记忆；任何阈值先标为待回放校准，不要自行编造数字。

完成标志不是「向量库已经建好」，而是产品、研发、安全和运维能共同回答：哪类信息可以被记住，哪类必须被拒绝，一条旧记忆如何退出，用户要求删除后如何得到可验证回执。答不出其中任何一项，就先不要把记忆接到高权限工具。

## 常见问题

### Agent 记忆和 RAG 是一回事吗？

不是。RAG 主要从外部知识源检索资料；Agent 记忆还包含用户偏好、任务状态、历史经验和行为规则，并且需要更新、过期和删除。两者可以共用向量检索技术，但数据所有者、更新来源和删除语义不同。

### 对话摘要算长期记忆吗？

取决于作用域。只服务当前会话的摘要属于短期状态；跨会话保存并可再次召回的摘要，已经进入长期记忆治理范围。

### 小流量 Agent 需要复杂生命周期系统吗？

通常不需要。先定义禁止保存的内容、作用域、保留上限和删除能力；只有记忆量、冲突与合规负担上升后，再增加合并和自动评分。

### TTL 应该设置多长？

没有通用天数。根据业务目的、信息变化速度、敏感程度、适用要求和回放结果分类型设置，并保留人工更正与立即删除通道。

### 语义相似度高就说明记忆可信吗？

不能。相似度只表示查询与记忆在语义上接近，不代表来源可靠、时间仍有效或当前用户有权使用。

### 备份里的 Agent 记忆怎么删除？

备份可按受控保留周期到期销毁；恢复旧备份后必须重放删除墓碑或删除日志，防止已删除记忆重新进入在线系统。

### 用户能否查看和修改 Agent 对自己的记忆？

产品应尽量提供查看、更正和删除入口。具体法律义务取决于法域与业务，但可管理性本身也有助于提高数据准确性。

### 记忆删多了还能恢复吗？

自动清理宜先采用失效、隔离或可回滚标记，再按策略物理销毁。用户明确要求删除或敏感越权数据，不应以方便恢复为由继续在线保留；是否允许恢复应由数据政策决定，而不是由技术方便决定。

### 评测 Agent 记忆为什么不能只看召回率？

因为召回到过期、冲突、越权或已删除的信息同样是失败。还要评估时间有效性、来源、作用域、删除传播、任务结果和成本。

## 上线前自检清单

- \[ \] 每条长期记忆都有业务目的、作用域和来源
- \[ \] 凭据与高风险敏感信息默认拒绝持久化
- \[ \] 新旧事实冲突时保留修订链，旧值退出召回
- \[ \] TTL 按类型设置，不作为唯一清理机制
- \[ \] 写入权、召回权与程序记忆修改权分开
- \[ \] 在线召回先做作用域、状态、权限和时间过滤
- \[ \] 删除请求能传播到索引、缓存、摘要和备份恢复链
- \[ \] 已准备旧事实、冲突、毒化、越权和删除五类回放样本
- \[ \] 监控同时覆盖准确性、安全、删除与成本
- \[ \] 所有阈值来自业务回放，而不是照抄示例

## 相关教程

- [AI Agent 基础设施：从 Demo 到生产的六层检查表](https://chunyangai.com/ai-agent-infrastructure/)
- [多 Agent 协作：编码控制面如何约束并发交付](https://chunyangai.com/multi-agent-coding-control-plane/)
- [AI 编程与 Agent 实战专题](https://chunyangai.com/tag/ai-coding-agent/)

## 参考来源

- [AWS：Designing lifecycle policies for AgentCore memory](https://aws.amazon.com/blogs/machine-learning/designing-lifecycle-policies-for-agentcore-memory/?ref=chunyangai.com)
- [Google Cloud：Set up Memory Bank](https://docs.cloud.google.com/vertex-ai/generative-ai/docs/agent-engine/memory-bank/set-up?ref=chunyangai.com)
- [官方指南：对话记忆管理](https://langchain-ai.github.io/langgraph/how-tos/memory/manage-conversation-history/?ref=chunyangai.com)
- [LangMem：Core Concepts](https://langchain-ai.github.io/langmem/concepts/conceptual%5Fguide/?ref=chunyangai.com)
- [OWASP：Memory Is a Feature. It Is Also an Attack Surface](https://genai.owasp.org/2026/05/13/memory-is-a-feature-it-is-also-an-attack-surface/?ref=chunyangai.com)
- [NIST Privacy Framework](https://www.nist.gov/privacy-framework?ref=chunyangai.com)
- [EUR-Lex：GDPR Article 5 / Article 17](https://eur-lex.europa.eu/eli/reg/2016/679/art%5F17/oj/eng?ref=chunyangai.com)
- [Lost in the Middle](https://arxiv.org/abs/2307.03172?ref=chunyangai.com)
- [Is Agent Memory a Database?](https://arxiv.org/abs/2605.26252?ref=chunyangai.com)