Episodic Memory(情景记忆)
Agent 记住发生过的事
亦作、亦称:情景记忆
Agent 存储具体交互事件与经历,支持跨会话回忆相似情境,与语义记忆(抽象知识)互补。 情景记忆存储具体事件与时间上下文,常与向量检索结合实现长期记忆;需设遗忘、去重与隐私策略。
工作原理
Agent 存储具体交互事件与经历,支持跨会话回忆相似情境,与语义记忆(抽象知识)互补。 情景记忆存储具体事件与时间上下文,常与向量检索结合实现长期记忆;需设遗忘、去重与隐私策略。
应用场景
Episodic Memory常见于:自动化办公、代码 Agent、客服机器人、科研助手与流程编排。实际选型需结合业务指标、数据规模与部署约束评估适用性。
局限与误区
围绕 Episodic Memory 的口语化说法(见「常见误解」)常过度简化。效果依赖数据质量、任务匹配与系统整体设计;生产环境应配合评测、监控与人工复核。
背景与发展
Episodic Memory随 AI 研究与工程实践持续演进,定义边界与最佳实践仍在更新。建议结合原始论文、官方文档与本站延伸阅读建立准确认知。
常见误解
日常交流中容易听到的简化说法,未必准确,但能帮助理解误解从何而来。
- 「Agent 记住发生过的事」
- 「跨会话回忆经历」
- 「跟语义记忆不一样」
相关术语
和本术语关联紧密的其他词条,便于串联理解。
延伸阅读
从知识库精选 3 篇文章,帮助深入理解该术语。
- 1
Agent 记忆系统(二):从短期缓存到长期记忆宫殿
2026 年 4 月,AI Agent 记忆系统从实验性功能爆发为开发者刚需基础设施。Claude-Mem 两周狂揽 64K 星,MemPalace 发布 48 小时即获 22K 星,记忆正在成为 Agent 的核心竞争力。本文深度解析 AI Agent 记忆系统的完整技术栈——从短期工作记忆到长期语义记忆,从向量检索到知识图谱,从记忆压缩到遗忘机制,附带完整的 Python 混合型记忆系统实现代码。
- 2
Agent 记忆系统(一):向量数据库与知识图谱
构建 Agent 的长期记忆,理解检索增强与知识管理
- 3
Agent 记忆系统(三):向量数据库、知识图谱与分层记忆架构
从工作记忆到长期记忆,理解 AI Agent 如何实现知识的存储、检索、遗忘与更新。涵盖向量数据库、知识图谱、分层记忆架构的设计原则与实战实现。