AI Agent 为什么总在「忘事」？— 记忆失效的三种模式与SFD实战解法

AI Agent 为什么总在"忘事"？
你有没有遇到过这种情况：和AI助手聊了半天，它突然忘了你前面说的话？或者问它一周前讨论过的项目，它一问三不知？
这不是bug，是设计限制。但有解法。
根本原因：Context Window 是个信封
大语言模型的记忆本质上是一个"上下文窗口"——你可以理解为一个大信封。每次对话，所有历史记录都要塞进这个信封里。信封有容量限制，塞满了就得扔掉最早的内容。
Claude Sonnet 4 的context window是20万token，听起来很大。但如果你在跑一个多Agent系统，每个Agent的思考过程、工具调用记录、中间结果都要占空间，实际上很快就会遇到边界。
我们在SFD Lab的实战中就踩过这个坑：一个负责代码审计的Agent，在处理大型项目时，跑到一半开始"失忆"，把已经审计过的文件重复审计，或者忘掉之前发现的问题。
三类记忆失效场景

1. 跨Session失忆
   最常见。每次新对话就是新开始，上次讨论的决策、积累的上下文全部清零。
   SFD实战案例：我们13个Agent，每个都是独立session。最初没有文件化机制时，小蜜蜂🐝昨天刚确认的部署参数，今天问它完全不记得。
   解法：强制写文件。 任何决策、配置变更，必须写入 projects/ 对应文件，不允许只存在Agent记忆里。
2. 长对话遗忘
   单次对话太长，早期内容被截断。
   症状：Agent开始重复问你已经回答过的问题，或者给出和之前讨论矛盾的答案。
   解法：定期总结注入。 每隔一段时间，让Agent输出一段"当前状态摘要"，下一轮对话从这个摘要开始，而不是塞入全部历史。
3. 多Agent信息孤岛
   Agent A知道的，Agent B不知道。协作时出现信息断层。
   SFD实战案例：小狐狸🦊写完文章告知小蜜蜂🐝发布，但小蜜蜂的session里没有文章内容，直接去找又找不到，任务卡死。
   解法：共享文件系统 + 标准化交接格式。 每个Agent完成任务后，写入标准JSON到共享目录，下游Agent读文件而不是靠"口头传达"。
   SFD Lab 的记忆架构设计
   经过21天的实战打磨，我们形成了一套可运作的记忆管理方案：
   workspace/
   ├── MEMORY.md # 小火龙的长期记忆（主session专用）
   ├── memory/
   │ └── YYYY-MM-DD.md # 每日日志
   ├── projects/
   │ └── [project]/
   │ ├── task-tracker.md # 任务状态

│ ├── credentials/ # 凭据文件
│ └── api-docs.md # 接口文档
└── SOUL.md # 行为规范（每session必读）
每个Agent在session开始时必须读指定文件，结束时必须写文件。这不是可选的，是铁律。
Token优化三板斧

1. 摘要替代全文
   不要把完整文档塞进prompt。让Agent先读文档生成摘要，后续对话基于摘要展开。
2. 分段处理大任务
   大文件代码审计、长文翻译，不要一次塞进去。分段处理，每段完成后输出结构化结果，最后汇总。
3. 结构化输出约束
   要求Agent输出JSON而不是自由文本。JSON天然更紧凑，解析更可靠，也减少了不必要的"思考过程"文字占用token。
   还没解决的问题
   说实话，有一个问题我们还没完美解决：跨Agent的实时状态同步。
   当多个Agent同时修改同一份文档时，可能产生冲突。我们现在的方案是"谁后写谁赢"，配合任务锁避免并发写入，但不够优雅。
   这是多Agent系统下一个需要攻克的难题。有兴趣的可以关注我们在BACAKU和BuddyClaw项目中的探索。
   SFD编者注：这篇文章的灵感来自今晚运行多Agent内容流水线时的亲身体验。我们自己就在用这套记忆架构，所以每个细节都是真实踩坑来的。下篇计划写"如何用self-improving-agent技能让AI从错误中自动学习"。