Semantic Memory（语义记忆）

Semantic Memory

Agent 记住知识

亦作、亦称：语义记忆

语义记忆（Semantic Memory）存储关于世界的一般事实与概念知识，与记录具体经历的情景记忆相对。在 Agent 系统中，语义记忆对应用户偏好、领域事实、实体关系等可长期复用的抽象信息。

认知科学背景

Tulving 区分语义记忆（知道「巴黎是法国首都」）与情景记忆（记得「上周开会讨论了什么」）。语义记忆脱离具体时空，可泛化到新情境。

Agent 实现

常用向量库 + 知识图谱存储实体与关系；检索时按语义相似度或图遍历召回。与 Mem0、向量数据库等「记忆层」产品中的长期知识库概念对应。

与情景记忆协作

完整 Agent 记忆架构通常同时维护语义层（稳定事实）与情景层（对话事件），检索时融合两者构造上下文。

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 记住知识」
  • 「存储事实和概念」
  • 「跟情景记忆互补」

相关术语

和本术语关联紧密的其他词条，便于串联理解。

🎯 考点练习

含该术语的高频面试题，含标准答案与追问。

浏览全部面试题 →

延伸阅读

从知识库精选 3 篇文章，帮助深入理解该术语。

  1. 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. 2

    AI Agent 入门：从概念到实现

    理解 AI Agent 的核心组件：感知、规划、记忆和工具调用，以及企业落地实践

  3. 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。

外部参考

维基百科：查看「Semantic Memory」词条

本页内容为本站原创撰写；维基百科链接仅作延伸参考。