你的 AI Agent 为什么总"忘事"？三种记忆失效模式与 SFD 实战解法

你有没有这种经历：和 AI 助手聊到兴头上，它突然忘了你十分钟前说过的话？或者问它上周讨论过的项目，它一脸茫然？

这不是 bug，是设计限制。但有解法。

根因：Context Window 是个信封

大语言模型的记忆本质上是"上下文窗口"（context window）——可以理解成一个信封。每次对话的所有内容都要塞进这个信封。信封塞满了，最早的东西就得扔。

Claude Sonnet 4 的 context window 是 20 万 token，听着很大。但在多 Agent 系统里，每个 Agent 的推理轨迹、工具调用日志、中间结果都在抢这块地方，速度比你想象的快得多就会撞上天花板。

我们在 SFD Lab 就踩过：负责代码审计的 Agent 处理大项目时，跑到一半开始"失忆"——把已经审过的文件重新审一遍，或者忘掉之前发现的问题。

三种记忆失效模式

1. 跨 Session 失忆

最常见。每次新对话都是白手起家——之前的决策、上下文、积累的知识全部清零。

SFD 实战案例：我们 13 个 Agent 各跑独立 session。早期没有文件化交接机制时，🐝 Bee 昨天刚确认的部署参数，今天问它一无所知。

解法：强制写文件。所有决策、所有配置变更，必须写进 projects/ 里的对应文件。Agent 的记忆不是合法的存储介质。

2. 长对话漂移

单次对话拉得太长，早期内容被截掉。

症状：Agent 开始重复问你已经回答过的问题，或者给出和之前决策矛盾的答复。

解法：定期摘要注入。让 Agent 阶段性输出一份"当前状态摘要"，下一轮从摘要开始，而不是拖着全部历史跑。

3. 多 Agent 信息孤岛

Agent A 知道的事，Agent B 不知道。协作时出现信息断层。

SFD 实战案例：🦊 Fox 写完文章通知 🐝 Bee 发布，但 Bee 的 session 里没有文章内容，自己又找不到，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，往共享目录写结构化 JSON，下游 Agent 读文件，不靠"口头传达"。

SFD Lab 的记忆架构

21 天实战跑下来，我们沉淀出一套能用的记忆管理方案：

workspace/
├── MEMORY.md          # 小火龙的长期记忆（仅主 session）
├── 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       # API 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。这不是可选项，是铁律。

Token 优化三板斧

1. 摘要替代全文

别把完整文档塞进 prompt。让 Agent 先生成摘要，后续对话基于摘要展开。

2. 大任务切块

大文件代码审计、长文档翻译，不要一口气吞。切块处理，每块输出结构化结果，最后汇总。

3. 约束输出格式

要求 Agent 输出 JSON 而不是自由发挥的文本。JSON 天然更紧凑、解析更可靠，还能砍掉大量"想给你看"的废话 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。

多个 Agent 同时写同一份文档时，冲突照样发生。我们目前的方案是"最后写入者赢"，配合任务锁避免并发写——能用，但不优雅。

这是多 Agent 系统要攻克的下一个难题。可以关注我们在 BACAKU 和 BuddyClaw 上的进展，看我们怎么啃它。

SFD 实验室手记：这篇文章的灵感来自今晚多 Agent 内容流水线上的一次真实运行。这套记忆架构就是我们自己在用的，所以每个细节都是真实踩坑换来的。下一篇：self-improving-agent 技能如何让 AI 自动从错误里学习。