记忆与上下文

设计上下文窗口

把有限窗口当作有预算的资源：分类令牌预算、位置感知排序与利用率度量。

短期与长期记忆

提示内工作集与外部存储：什么配占位、何时写、何时回忆，以及提升／降级循环。

记忆类型：情景、语义、程序性

三种持久记忆加草稿区，各自写入与检索方式不同；反思把情景提升为语义。

检索增强记忆

回忆即检索：状态派生线索，相关性＋时近性＋显著性评分，先阈值再截断，以及带来源标注的渲染。

上下文压缩与分层记忆

压缩阶梯、任务结构化摘要、MemGPT 式分级、压力触发迟滞，以及验证有损压缩。

记忆存储：向量、键值、图与驱逐

把后端匹配到记忆类型、统一接口、无界存储为何腐蚀检索，以及衰减／驱逐策略。

评估记忆质量

记忆特有指标（recall@k、过期率、约束存活、写入精度）及其捕获的陷阱：毒化、过期、漂移、压缩失忆。

记忆的写入路径架构

对有状态智能体来说 RAG-only 已死——写入路径（谁配占位、何时写、何时更新）才是 2026 年的焦点，而四类记忆（情景、语义、程序、关系）各要各的策略。

记忆毒化防御

AgentPoison 在毒化率 <0.1% 时达 80% ASR；MemoryGraft、SpAIware、Morris-II——在摄取、存储、检索、监控四段做生命周期防御。

长上下文：有效 vs 广告

为何 RULER、NoLiMa、MRCR v2 在 200K 以外与广告标称值有 30–60 分的差距——以及据此如何预算。

学习型检索器与 MemRL

MemRL 把存/取/更新/摘要/丢弃当作用 RL 优化的工具——按学习到的效用排序，而不仅按语义相似度。