聊下我给 Agent 做的"记忆"方案，不一定最优，用着还行。
短期记忆就是对话窗口，最近 N 轮原文保留；中期记忆把完成任务后的"事实摘要"写进一个 KV 表（比如用户偏好、已确认的事实），下次启动加载；长期记忆走 RAG，把历史交互向量化，需要时检索。
关键是"摘要"那层，原文存太多又贵又乱，摘要之后调用效率高很多。大家的 Agent 记忆都怎么设计的？
回复
暂时没有回复。
Related
相关推荐
讨论
你愿意把生产代码交给 AI Agent 写吗？
社区讨论帖，欢迎分享你的经验和观点。
讨论
你现在主力用哪个 MCP server？
最近在搭自己的 Agent 工作流，挑 MCP server 挑花了眼。官方的 filesystem、fetch、git 我都装了，社区里还有一堆数据库、浏览器、搜索的。 实测下来用得最频繁的是 filesystem 和 git，基本每天都在用；浏览器那个偶尔爬数据开一下；搜索类
讨论
MCP 值得学吗？还是又一个过渡协议
MCP 热度很高，但我有点犹豫要不要投入精力。历史上这种"统一协议"翻车的不少，万一过两年又冒出个新标准，学了不就白学了。 不过看现在 Claude、Cursor、各家 IDE 都在拥抱 MCP，势头确实猛。我倾向于：作为用户先用起来（装几个现成 server 不需要学协议），作
讨论
求助：自己写一个 MCP server 该从哪开始
想给公司内部系统包一个 MCP server，让 Agent 能查我们的工单系统。看了下官方 SDK，TS 和 Python 都有，但入门的 best practice 不多。 最困惑的是工具粒度怎么切：是给一个大而全的"查工单"，还是拆成"按状态查""按人查""按时间查"一堆小