Memory-Management
概述
记忆管理是AI系统中对上下文、状态和知识进行有效组织、存储和检索的策略与技术，旨在在有限的上下文窗口内最大化信息的有效性和可用性。
关键内容
-
压缩策略： 压缩的目标不是简单的文本缩减，而是将"历史噪音"转化为"未来可计算状态"。压缩应产出持久事实、已做决策、开放循环和源锚点四类对象，避免关键信息失真。
-
状态外置： 对于工具密集型Agent，应将工具状态外置存储，仅回注必要结果到上下文中。这包括结果摘要、关键增量、错误信息和下一步所需最小证据。
-
触发机制： 压缩触发条件应基于任务阶段切换、关键决策做出、工具返回超长结果或token预算逼近阈值，而非简单的消息数量阈值。
来源
- raw/articles/ai-engineering/prompt-context/context-design.md — 概念描述
- Anthropic Context Engineering — 原理参考
相关
- Context-Design — relates_to
- Hierarchical-Context-Memory — relates_to
- Context-Engineering — relates_to
- Agent-System — relates_to
- Compression — relates_to