现在的 Agent 系统有个很明显的问题 —— 会话一结束，什么都忘了。
这不是个技术缺陷，但是却限制了整个系统的能力边界。Agent 可以做推理、规划、执行复杂任务，但就是记不住之前发生过什么。每次对话都像是第一次见面，这种状态下很难说它真正"理解"了什么。
记忆能力是把 LLM 从简单的问答工具变成真正协作伙伴的关键。一个只能"回答当前问题"，另一个能"基于历史经验做决策"，这就是增加了记忆能力后的改
这篇文章会讲怎么给 Agent 加上记忆、反思和目标跟踪能力。技术栈很简单：
- SQLite 做结构化存储
- 向量数据库（Pinecone、FAISS、Chroma 都行）处理语义检索
- LLM 层负责反思和总结
这套架构可以直接集成到现有框架里，不管你用 LangChain、CrewAI 还是自己写的框架。
https://avoid.overfit.cn/post/44c8d547475340d59aa4480f634ea67f