状态与记忆

跨多个步骤工作的智能体需要连续性。它必须知道任务是什么、哪些行动已经生效、还有什么未解决、以及哪些信息以后可能有用。把这一切都称作“记忆”，会模糊不同的正确性与治理要求。

论点

状态记录系统当前接受为真的内容；记忆存储可能再次有用的信息。被检索出的记忆只是候选输入，而非权威状态。

架构应当明确由谁维护事实，以及状态和记忆各自的更新规则、范围、有效性、来源、保留与删除方式。模型可以提出更新建议，但由应用代码决定它成为状态还是记忆。

分离各类记录

记录	目的	典型示例
权威状态（authoritative state）	正确执行所需的当前公认事实	订单状态、已批准的行动、活动中的目标、剩余预算
事件记录（event record）	对实质性尝试与变更的仅追加式记账	请求的行动、授予的审批、写入已确认
检查点（checkpoint）	一次边界明确的运行所使用的恢复点	当前阶段、待生效的影响、状态版本、限额
派生视图（derived view）	面向特定消费方的可再计算投影	仪表盘状态或面向模型的任务摘要
记忆候选（memory candidate）	为未来可能复用而提出的信息	偏好、可复用发现、先前任务结果
产物（artifact）	被状态引用的持久工作产物	报告、计划、代码补丁、证据包

一个存储系统可以同时承载其中若干类，但其语义应当保持区分。对话记录通常更接近事件日志；它并不会自动构成当前任务状态。摘要是派生视图；它不应悄然抹去生成它的事实。

权威状态需要所有者与明确结构

对于每个实质性字段，定义：

• 哪个系统是事实来源（source of truth）；
• 谁或什么可以提出并提交更改；
• 有效取值与合法转换；
• 版本、观察时间与时效性要求；
• 冲突与并发行为；
• 审计与保留要求；以及
• 模型如何接收一个范围明确的状态投影。

当正确性依赖精确值时，使用领域标识符与具有明确类型的字段。文字说明可以解释状态，但不应成为金额、权限、接收方、测试结果或已提交影响的唯一表示。

控制回路应基于已验证的行动结果来更新状态。若写入超时，记录 outcome_unknown 并与权威记录系统（system of record）对账。不要让模型从一条含糊的文本消息中在“可能成功了”和“重试”之间自行选择。

并发与版本控制

长时间运行且有多个参与者的任务，很容易出现基于旧状态的写入。智能体暂停时，人可能更正了一个值；两个执行者可能基于同一版本完成工作；一次重试可能在取消之后才到达。

常见控制包括：

• 乐观版本检查或对比并设置（compare-and-set，CAS）；
• 针对副作用请求使用幂等性键（idempotency key）；
• 用于限定所有权的租约（lease），在需要时包含到期与栅栏（fencing）；
• 仅追加事件加确定性投影；
• 显式的合并或冲突状态；以及
• 在关键性提交前先读回（read-back）。

正确机制取决于数据存储与后果。架构上的要求是以策略来呈现并解决冲突，而不是把它隐藏在“最后写入者胜出（last writer wins）”的叙述之中。

记忆是一套完整生命周期，而非向量数据库

记忆在写入与读取时都需要决策：

observe information
      ↓
propose a memory candidate
      ↓
validate source, scope, consent, sensitivity, and usefulness
      ↓
store with provenance, validity, retention, and owner
      ↓
retrieve for a named future decision
      ↓
recheck permission, relevance, freshness, and conflicts
      ↓
include as attributed context or update authoritative state through its normal path

嵌入与相似度检索可以实现检索的一部分。它们并不能界定应当记住什么、它是否仍然为真、谁可以看到它、或人如何更正它。

MemGPT 探索了一种分层记忆设计，在有限的模型上下文与外部存储之间移动信息（Packer et al., 2023）。Generative Agents 将观察流与检索、反思与规划相结合于一个模拟环境中（Park et al., 2023）。这些系统是外部记忆管理的有用研究示例。它们并未确立一种通用于生产的分类法或正确性保证。

按用途、范围与有效性对记忆分类

诸如情景记忆、语义记忆、程序性记忆等标签有助于比较研究，但要把机制落实到工程中，还需要以下字段：

维度	问题
预期用途	这是用于恢复任务、个性化交互、复用发现，还是改进流程？
对象与所有者	它涉及用户、团队、租户、系统，还是公共领域？由谁控制？
范围	哪些任务、产品、身份与模型可以使用它？
来源	由人陈述、自系统观察、由模型生成，还是推断而来？
有效性	它是长期偏好、有明确时限的事实，还是不确定的假设？
敏感性	是否包含个人、机密、受监管或与安全相关的信息？
保留	何时到期，删除由哪些法律或产品规则约束？
替代（supersession）	更正如何与旧条目关联并在其之上被优先采用？

技能是有所有者与版本的程序性指导，不只是从一次运行中提取的记忆。持久的领域知识通常应存放在受治理的知识源中，而不是作为未审核的智能体记忆逐渐堆积。

写入策略：有选择地记忆

“记住一切”会带来成本、隐私暴露、矛盾与检索噪声。仅在命名了未来用途且收益足以支撑治理时才存储。

有用的写入闸门会询问：

• 保留该信息是否被允许且有必要？
• 该来源是否有权断言它？
• 它是一条观察信息、用户陈述、推断，还是模型生成的假设？
• 同样的需求是否可以由权威状态或被引用的产物来满足？
• 适用的范围、到期时间、置信度与更正路径是什么？
• 记住它是否会让相关人感到意外？

对推断需特别谨慎。“用户请求简短回答”是一条事件；“用户总是偏好简洁交流”是一种概括，可能是错的。保持区分。

读取策略：检索不等于确立事实

在检索时，先按主体（principal）、租户、目的、同意、敏感性与时间进行过滤，然后再考虑相似度。接着按任务相关性、来源权威性、时效性与置信度进行排序。连同内容一起返回来源与有效性的元数据。

当某条记忆与当前用户输入或权威状态冲突时，当前的经授权证据通常优先。一些冲突应当触发澄清，而不是自动适用优先级规则。上下文管道应将被检索的记忆标识为记忆，而不是将其无形地合并进治理指令中。

隐私与用户控制

记忆使数据在交互之间保持持久性，因此用户与运营者需要有意义的控制。产品与用户体验（UX）将负责呈现，但架构必须支持：

• 对实质性已存记忆的可见性；
• 更正、删除与遗忘；
• 在适当情况下按范围或全局启用；
• 保留与到期的强制执行；
• 租户与身份隔离；
• 删除对索引、缓存与派生视图的传播；以及
• 记录在决策中为何使用了某条记忆。

NIST AI 600-1 建议记录溯源与数据流，并在 GAI 生命周期中考虑隐私风险（NIST, 2024）。具体控制由本地法律与政策要求决定。

失效模式

将对话记录当数据库

当前事实从包含修订与猜测的对话中被重建。将权威状态单独存储，并把它投影到上下文中。

记住一切

在没有未来目的的情况下不断扩张保留，提升隐私风险与检索噪声。应用写入策略并默认到期。

生成的摘要变成了事实来源

有损的解释覆盖了源记录。将其保留为带溯源与再生成规则的派生视图。

相似性凌驾于范围之上

语义上接近的记忆跨越用户、租户、目的或时间边界。在排序前进行授权与范围过滤。

把推断当作事实存储

模型的猜测成为稳定画像。标注推断、置信度、来源与到期；当后果重大时要求确认。

无声的最后写入者胜出（last-writer-wins）

并发的智能体或人覆盖了更新的状态。使用版本与显式冲突处理。

仅从主表删除

嵌入、缓存、摘要与备份仍会暴露已删除内容。定义删除传播与记录其边界。

本手册建议

创建两份独立的约定：

State contract
- source of truth, schema, legal transitions, versioning
- writers, validators, concurrency and reconciliation
- checkpoint and resume fields
- model-visible projection and freshness

Memory contract
- named future use, subject, owner, scope, and source
- write gate, sensitivity, consent, validity, expiry
- retrieval filters and ranking
- conflict, correction, supersession, deletion, and audit

检查清单

• 是否区分了权威状态、事件历史、检查点、派生视图、记忆与产物？
• 每个实质性状态字段是否都有事实来源与受控的更新路径？
• 是否通过版本或显式冲突处理了陈旧写入、重试与并发参与者？
• 记忆是否有明确的未来用途和写入策略？
• 记忆是否连同来源、范围、有效性、敏感性、保留与所有者一起存储？
• 是否在记忆排序前应用了授权与租户过滤？
• 被检索的记忆在使用前是否经过归因与再验证？
• 当前证据是否能够更正或替代旧记忆？
• 人们在需要时是否可以检查、更正与删除实质性记忆？
• 删除与到期是否会传递到索引、缓存与派生视图？

参考文献及其使用方式

• Packer et al., “MemGPT: Towards LLMs as Operating Systems” — 管理有限模型上下文与外部分层的研究示例；用于说明记忆迁移，而非通用的生产架构。
• Park et al., “Generative Agents: Interactive Simulacra of Human Behavior” — 在仿真环境中结合存储观察、检索、反思与规划的同行评审研究示例。
• NIST AI 600-1, Generative Artificial Intelligence Profile — 支持溯源、隐私、数据治理与全生命周期评估的跨行业风险管理资料。
• Microsoft, “Guidelines for Human-AI Interaction” — 支持近期交互连续性、谨慎适配、粒度化反馈、全局控制与行为变更告知的同行评审论文。