为什么需要综述
Agent memory 这个词太容易被说空。有人说 memory 是聊天历史，有人说是向量库，有人说是用户画像，也有人把 RAG、长上下文、模型参数里的知识都放进 memory。
这篇 2024 年综述的价值，是先把概念框起来：LLM-based agent 的记忆是什么，为什么需要记忆，怎么实现和评估记忆。
对我来说，它适合作为进入 Agent memory 方向的第一篇 survey。
记忆的窄定义和宽定义
窄定义里，记忆是一个模块：从交互中提取信息，存储起来，再经过压缩、合并、反思、删除或强化，后续需要时检索出来辅助决策。
宽定义更大，会把 RAG、上下文能力、知识编辑、agent-specific memory 都放到同一个框架下讨论。
我更喜欢窄定义，因为它更工程化。一个记忆系统至少要回答三件事：写什么、怎么管、何时读。只说“我们有 memory”没有意义。
为什么 Agent 需要记忆
论文从认知心理学、自我演化和应用三个角度解释。
从应用角度最容易理解：对话助手要记住上下文；角色模拟要保持设定；个人助手要记住偏好；游戏 Agent 要保留探索经验；代码 Agent 要记住项目约定和修复历史。
从自我演化角度看，记忆还能保存失败经验、探索轨迹和高层抽象。没有记忆，Agent 每次都像第一次见到世界，很难持续进步。
实现维度
综述把记忆来源分成 trial 内信息、跨 trial 信息、外部知识。记忆形式可以是文本，也可以是参数化记忆。记忆操作则包括写入、管理、读取。
我觉得最重要的是“管理”。很多系统只做写入和检索，结果记忆越来越多、越来越脏。真正难的是压缩、合并、冲突处理、遗忘、重要性评估和生命周期管理。
这和普通 RAG 的区别也在这里。RAG 更像外部知识查询；Agent memory 还要保存交互经验、用户偏好、任务状态和自身失败。
评估很难
记忆评估分直接和间接两类。
直接评估看记忆模块本身，比如召回率、命中率、事实一致性、相关性。间接评估看端到端任务提升，比如对话连续性、多源问答、长上下文任务、游戏或推荐。
直接评估更干净，但构造困难；间接评估更接近真实应用，但很难知道提升到底来自记忆，还是来自 prompt、模型、检索器或其他模块。
这也是我后来读 Mem0、MemoryBank、MemGPT 时一直会注意的问题：论文说“记忆更好”，到底是哪个环节更好？
小结
这篇综述最大的价值不是某个新方法，而是分类框架。
它提醒我，Agent memory 不是向量库，也不是聊天历史。一个可靠记忆系统应该包含来源、形式、写入、管理、读取、评估和应用边界。后面读具体系统时，最好都拿这套问题去对照。