Agent--Memory
memory对agent来说，就像记忆对人类的作用一样，日常的每一件事，如果跟记忆里有对应上的话，相应的事情都会弹出来。memory就是agent在处理时，会自动检测是否会跟存储的数据对应，就跟人类一样会记得刚才的对话，曾经做过的事，也会累计经验，如果曾经有的事做错了，后续知道了正确的处理方式，就会记住它并在下次遇到类似的事时避免错误
记忆分为短期、中期、长期记忆。
短期记忆
短期记忆一般存储的是当前窗口的上下文，即时任务状态的内容，就跟我们平时跟大模型对话一样，新开一个窗口的话，模型是不会“记得”前一个窗口讨论过的东西的。
短期记忆有以下特征：
容量有限：通常以token窗口为界，就是我们平时跟模型对话到一定程度时，会显示“已达到当前对话上限”时一个道理。
更新频繁：随着对话不断地被新的内容覆盖
快速访问：一般存储在内存中，可以直接调出来
中期记忆
中期记忆一般存储以下三种记忆：
情节记忆：记录特定事件或对话片段，例如"用户昨天提出了新需求"，经常以时间索引或向量检索的方式存储，用于上下文或反思行为
语义记忆：储存抽象化知识与事实，如"项目A属于金融领域"，存储方式类似于数据库里的“知识条目”（意思是把每一条独立的语义记忆当做一条记录来存储），用于提供通用知识基础，支持概念理解
程序性记忆：保存操作经验或流程，如"如何分析数据集"，可被用于形成自动化技能，对应着人类的技能，懂的熟练地处理某些特定的事，用于自动化任务执行。
长期记忆
长期记忆一般存储的是用户画像与身份信息（姓名，喜好，做事风格，职业等），任务历史与成果记录，“永久”存储的核心知识和逻辑规则以及元数据与置信度标签（这里指的是存储记忆时，记忆的一种标签），一般存储在向量数据库中。这类记忆很少更新，主要用在语义检索和关联查询中，当然，也跟人类的记忆一样，如果时间过去了很久都没有用到，也会被遗忘。
当然，短期、中期和长期记忆我们都能理解，但关键是agent怎么区分。
正常的处理逻辑是，先把每一次的对话都存储为短期记忆，并根据对话内容，提炼为中期记忆或者长期记忆，再通过长时间的对话的信息累计，慢慢地形成稳定的长期记忆和中期记忆。要注意的是，记忆的形成不一定非要等到窗口结束，实际上每说一句话，都会形成记忆并存储。