短期记忆是 Session 级的，服务当前任务；长期记忆是跨 Session 的，负责把用户偏好、历史决策、过往经验沉淀下来。

下面是AI Agent记忆系统架构图，包含从用户输入到LLM推理到读写记忆的完整流程，并标注了短期/长期记忆的策略与挑战：

图片补充解读：

维度	短期记忆	长期记忆
核心策略	滑动窗口（如保留最近5轮）、Token级别截断（优先保留系统指令和最新对话）、必要时使用LLM生成历史摘要	向量数据库（如Milvus/Pinecone）存储Embedding，采用余弦相似度检索；结合知识图谱存储实体关系；设置记忆衰减因子（越旧权重越低）
典型挑战	窗口溢出导致信息丢失；长对话中模型“遗忘”早期指令；无法处理跨会话的依赖	检索噪声（召回不相关内容）；存储爆炸（海量对话）；记忆冲突（新旧事实矛盾）；冷启动时无可检索内容
工程实践	使用Redis缓存短期数据；设置TTL过期；对历史轮次做滚动摘要	定时任务离线清洗/合并相似记忆；使用HyDE（假设文档检索）提升召回率；对检索结果重排序（Rerank）

短期记忆膨胀问题解决方式？

上下文缩减（滑动窗口-自动丢弃以前的N轮对话/将对话压缩成摘要）

上下文卸载（存储到外部，提示词做引用即可，需防止读取超时做降级或熔断）

上下文隔离（多agent协作时主agent只传递必要的指令给子agent）

记忆反思常见实现方式？

1/自我反思 

2/反思闭环 ----规划-执行-反思 闭环流程

主要反思三方面：是否符合客观事实  是否完成用户指标   关键数据是否丢失或损失

3/记忆聚类及合并  记忆碎片化，重复记录

Agent反思主要方式有哪几种？

agent反思：agent审视自身推理过程，执行结果，中间输出并自我修正的过程

1/自我审视 对自身答案进行打分或挑错  依赖LLM自身，有幻觉问题

2/链式推理（Chain-Of-Thought) 显式写出推理过程和可能问题点

实现方式：自问 或者 ReAct中的思考-行动-观察循环迭代过程

Token消耗过多

3/保存交互历史，总结失败经验，经验存入长期记忆（总结经验并进行学习）

4/独立agent，互相评判   

CLAUDE.md机制（200行以内，不断变化会随项目演进）

写入内容：

团队一般写入

（项目架构、编码标准、工作流，提交至 Git）

项目构建，启动命令/已知陷阱等

1.技术栈，版本信息

2.架构决策及理由

3.团队约定和项目特有的坑（如分支命名规范，环境变量依赖，提交信息格式）

不适合写入：

1.代码风格

2.参考文档给链接即可

3.大段日志、完整对话记录、密钥、Token、账号

4.高频变化的运行数据、实时的动态信息

注意：

1.规则要具体  禁止宽泛概念

2.禁止加上具体实现方案  禁止做什么，具体可以如何做，也可以加上示例

3.禁止滥用标记词

4.反复忽略规则，需精简文件

项目变大需分层管理：

Claude.md里面写入Rules:定义API约定/数据库约束等不同类型的约定路径文档

示例：

## Rules - API 约定：@docs/api-conventions.md

- 数据库规范：@docs/database-rules.md

路径作用域规则：在.claude/rules/目录下创建.md文件，如下：

# .claude/rules/api-design.md
paths:
  - "src/api/**/*.ts"
---
# 这里写API相关的设计规范
- 所有Handler必须返回 { data, error } 格式

@导入语法：

可在CLAUDE.md中使用@path/to/other.md导入其他文件内容 

也可在CLAUDE.md中写入@AGENTS.md导入团队通用规则

MarkDown记忆分层：

用户记忆：存个人偏好和长期习惯，放在 ~/.claude/CLAUDE.md，如 先写测试再写代码等；

项目记忆：存项目规范、技术栈、目录结构，放在仓库根目录的 CLAUDE.md，团队成员通过Git同步；

子目录记忆：局部专属，backend/或者front/

团队共享记忆：需提交到仓库

维护规则：

添加要慢

删除果断

错误驱动地持续进化：累计几次同类错误，归纳成一条精炼规则

自我对话审查：直接问删除此条规则是否会改变相应行为，不会则删除

（会自我欺骗，备份规则，看删除规则前后区别）

XXX注意:

1.Claude Code已经为定义的规则道歉，规则表述有问题，不直接

2.同一规则在不同会话被违反，文件太长需压缩