目录1.记忆的分类2.memory与RAG的结合3.memory系统（1）MemGPT（2）A-MEM（3）THEANINE之前讲了RAG相关知识，现在讲一下记忆系统，即memory。RAG相当于一种读外部信息的方法，而memory则是一个管理短期状态与长期经验的系统。1.记忆的分类（1）短期记忆（working memory）指的是当前会话或当前线程里的状态，例如，对话历史，当前任务状态，当前检索到的文档，当前生成的中间结果。LangGraph 把它定义为thread-scoped memory，会在单个会话中跟踪消息历史和状态，并在每一步开始时读取、结束时更新。（2）长期记忆① 事实记忆（Semantic memory）里面存的是稳定事实、概念、用户资料、偏好等。比如“用户喜欢简洁回答”“用户在某公司做 NLP”。LangGraph 直接把它定义为 facts。② 经历记忆（Episodic memory）存的是过去发生过的事件、任务过程、成功案例、失败经验。比如“上次这个任务是怎么解决的”。LangGraph 把它定义为 experiences / past agent actions。③ 程序性记忆（Procedural memory）存的是“怎么做事”的规则、指令、工作流、提示模板。比如系统提示词、工具调用规则、行为准则。LangGraph 把它定义为 instructions，并指出在 agent 里常体现为模型权重、代码和 prompt。2.memory与RAG的结合（1）RAG做semantic memory一般流程可以这样看：①当前用户消息、工具结果、任务状态，先进入 short-term / working memory。这个阶段通常由 thread state 或 session state 承担；②agent会基于短期记忆构造检索意图，可能包括：外部知识库检索(RAG)，用户长期偏好检索，过去类似任务经验检索，工作流规则检索，这时short-term memory相当于“查询上下文”；③ 接着Agent会从长期记忆和外部知识中取回内容，这里往往是混合检索：一部分来自知识库/文档库，一部分来自semantic memory，一部分来自episodic memory，然后统一进prompt或state；④模型结合当前会话状态+检索回来的记忆+工具结果，做回答、规划或调用工具；⑤ 记忆写回与整理：这一步是memory system和普通RAG最大的不同。系统会问：这轮是否有新事实值得长期保存? 这次成功解决问题的经验要不要变成 episodic memory? 旧记忆是否需要更新、合并、失效或压缩?可以看出，memory-aware agent和传统RAG很像，只是会多出两步：写入和更新/演化。也就是：记忆先被写入某种外部存储，需要时再通过检索取回，取回的记忆被放进当前prompt/state，模型基于这些记忆继续推理和行动。RAG在这个过程中被当作读取路径。/