Working Memory（工作记忆）
Working Memory短期记忆
亦作、亦称：工作记忆
工作记忆（Working Memory）是认知心理学中容量有限、用于临时保持与操纵信息的系统。在 Agent 中对应当前任务相关的短期上下文：正在执行的步骤、刚获得的工具返回值等。
认知模型
Baddeley 工作记忆模型包含中央执行、语音环、视空间画板等组件。AI 类比中，上下文窗口 + scratchpad 笔记承担类似功能，但窗口长度硬受限。
Agent 实现
通过滑动窗口、摘要压缩、外部笔记文件或 scratchpad token 扩展有效工作记忆。长任务常将中间结论写入外部存储，避免挤占 prompt。
局限与对策
窗口满时需截断或摘要，可能丢失关键细节。RAG、记忆分层与 periodic summarization 是常见缓解手段。
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。
- 「短期记忆」
- 「临时保持信息」
- 「容量有限」
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。
- 中级系统设计查看详解 →
如何为 AI Agent 交易设计审计和权限控制？
考察候选人对 Agent 经济活动的审计和权限控制设计，特别是 Smart Tokens 等可编程支付工具的应用。
- 高级系统设计查看详解 →
Multi-Agent 系统中如何处理 Agent 遗忘/状态丢失？
考察候选人对 Multi-Agent 系统中状态管理和容错设计的理解，特别是 Agent 崩溃、重启或上下文丢失时的恢复策略。
- 高级系统设计查看详解 →
设计一个 Agent 长期记忆系统，支持可写外部记忆、过期策略和冲突解决
考察候选人对 Agent 记忆架构的理解，特别是从 RAG 只读到可写外部记忆的演进，以及过期、冲突解决等工程挑战。
- 中级概念查看详解 →
什么是 Agentic Engineering？它和 Vibe Coding 有什么区别？
Vibe Coding（Karpathy 2025）是凭感觉用自然语言让 AI 生成代码、快速试错，适合原型；Agentic Engineering 把 Agent 纳入系统化工程流程（需求-规划-生成-自动测试-迭代-评审），强调可控、可验证、可维护，生产系统应走后者。
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。
外部参考
维基百科：查看「Working 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。