人工智能的记忆出了问题。我们造了一个会遗忘的。

2026西湖龙井茶官网DTC发售：茶农直供，政府溯源防伪到农户家 

每个智能体框架在记忆方面都存在同样的问题：它不会遗忘。

会话之间的上下文窗口会被重置。RAG 和向量数据库以同等权重存储所有内容，并不断增长，直到变得嘈杂混乱。因此，当你的项目在两周后改变方向时，人工智能仍会把第一周的决策当作当前信息调取出来。

实际表现是什么样子

第一周：你告诉智能体：“我们前端使用 React。”

第二周：你改变了主意：“改用 Svelte，React 的打包体积太大了。”

第四周：你问：“我们的前端技术栈是什么？”

一个普通的检索系统会同时返回这两个答案。React 和 Svelte 并列呈现，权重相同。系统内部没有任何机制知道其中一个已经取代了另一个。因此，智能体可能会引用 React、Svelte，或者两者混淆的混合内容。

我们在构建智能体工具时反复遇到这个问题，逐渐意识到问题不在于检索质量——而在于这些系统根本没有时间概念或过时淘汰机制。

数据对比

我们通过两个系统运行了一个为期四周的模拟项目，共包含 24 个事件——包括决策、修正、错误和重复观察，并在项目中期进行了两次重大方向调整。

朴素检索方法将一条过时记录置于顶部。而 Sparsion 则将修正内容排在首位——其显著度为 1.65，而过时原始记录仅为 0.55。

Sparsion 实际做了什么

它将记忆视为一个生命周期，而非简单的日志。

事件 → 显著度评分 → 热 → 温 → 冷 → 遗忘

• 旧记忆会随时间逐渐弱化（指数衰减，半衰期可配置）
• 重复发生的事件会变得更加强化（对数频率）
• 你可以将某些内容标记为关键信息——这些内容的留存时间延长至四倍
• 默认情况下，修正类事件的评分是观察类事件的三倍
• 任何低于显著度阈值的内容将完全从检索中剔除

一条关键修正进入系统时的显著度为 13.18，而一条随意的观察进入时仅为 0.77。六周后若无任何强化，该观察已被彻底清除，而修正仍然保留。

试用一下

from sparsion import Runtime

rt = Runtime("agent_memory.db")

# 第一周
rt.record("user", "decision", "前端框架：React", importance="high")

# 第二周
rt.record(
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。