智能体的记忆机制：短期、长期与共享记忆

单个智能体要记性好，多个智能体还要”共享记性”。共享记忆让一组 Agent 像同一个团队那样接力知道前情，不必再各记各的、重复踩坑。

短期与长期复习一遍

短期记忆管当前任务，用滚动窗口或逐步摘要，别把整段对话无脑回灌；长期记忆存稳定且反复有用的信息，分向量库、结构化库、画像三类介质。这两层是单 Agent 记忆的基础。本篇重点在第三层：共享记忆。当多个 Agent 协同，如果每个都从零积累，同一条经验会被重复学多次，且彼此不知道对方踩过的坑。加一层共享记忆，正好消掉这种重复。

共享记忆是什么

共享记忆是一块多个 Agent 都能读写的公共空间，存的是”群体经验”：某工具爱报错、某类任务的最佳步骤、用户群体的共同偏好。任一 Agent 学到，全体立刻可用。它像团队的共享文档，而非个人笔记本。新人 Agent 接入即拥有老兵的经验，不必从头试错。共享把个体的学习沉淀成组织的资产，协作规模越大越划算。

为什么值得做共享

没有共享，十个 Agent 各自探索同一片领地，浪费十倍算力，还可能十种结论互相打架。共享后，一次探索的结果留存下来，全员复用，效率和一致性同时提升。另一个价值是一致性。用户先后接触不同 Agent，却得到基于同一份经验的回应，体验才连贯。用户感受到的才是”一个团队”，并非”一群散兵”。

写入要避免冲突

多 Agent 同写一块记忆，会撞车：A 刚写结论，B 又写矛盾的，谁覆盖谁？化解靠版本与锁：关键条目带版本号，写前读最新版再追加，或短时间加写锁避免并发覆盖。还要防”回声室”：多个 Agent 基于彼此的错误记忆互相印证，错误被放大成”共识”。写前做冲突检测，矛盾条目并存待审而非直接覆盖，错误才不滚雪球。

读的时候要隔离

共享不代表无差别全读。每个 Agent 按身份和任务取自己该看的：客服 Agent 读用户偏好，分析 Agent 读指标口径，互不越界。读隔离，是共享不泄密的前提。读也要带相关度，别把整块共享记忆倒给单个 Agent，既超窗口又费钱。把共享当按需取用的档案库，而非一次性倾倒的垃圾场。

共享与私有的边界

不是所有记忆都该共享。涉及单个用户隐私的、某 Agent 专属实验中的临时结论，应留私有；只有可复用、可验证、去隐私的群体经验，才进共享层。边界划清，安全与效用兼得。实践中设两级：私有记忆随 Agent 生命周期，共享记忆带审核后入库。把”什么能共享”写成明确规则，而非靠 Agent 自觉。边界守住了，共享记忆才能长期运转。

过期与纠错

共享记忆里的错误会比私有记忆传播更广，所以维护要更狠：更频繁地回看过期项、更严格地标记来源与时效。一条过期共享记忆，可能同时带偏十个 Agent。纠错要走”广播”：某条被证伪，不仅删自己那份，还要通知依赖它的 Agent 刷新。纠错要当成一件事跟到底，错误才不会在共享层里阴魂不散。

落地的小步路线

先不急着全共享。让两个协作最紧的 Agent 共用一块记忆，跑通读写与冲突处理，再逐步扩大范围。范围小，冲突面小，踩坑成本低。配套建一份”共享记忆规范”：什么能写、怎么版本化、谁审核、多久清理。规范先行，扩展时才不会一团乱麻。共享记忆既靠技术，也靠制度。

和单 Agent 记忆的对比

单 Agent 记忆关注”我自己别忘”；共享记忆关注”我们别各忘各的”。前者解决个体连续性，后者解决群体一致性。两者互不替代，叠在一起构成完整的记忆体系。设计上单 Agent 记忆可以轻量，共享记忆必须重治理，因为它影响面大。把轻重分清，记忆系统才既灵活又可控，不会因为共享而失控。

衡量共享记忆值不值

看两件事：重复探索是否下降（同一经验被学多次的次数）、跨 Agent 一致性是否提升（不同 Agent 对同类问题结论的吻合度）。两率向好，说明共享真起作用。再算成本：维护共享记忆的算力与人力，是否小于它省下的重复探索。共享不是免费午餐，治理有开销，算清这本账才知道该共享到多大范围。

实践里的技术选型

共享记忆的存储介质要按读写频率挑：高频短生命周期的用内存型，低频需持久的用向量或文档库。选型错，并发读写会卡成瓶颈，共享的红利还没吃到就先被拖垮。还要有统一接口，让各 Agent 用同一套读写协议，别每家自己接一套。接口统一，加新 Agent 才零成本，共享层也才真成团队里的”公共基础设施”，而非又一个孤岛。