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

你有没有碰到过这种情况：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。信封有容量上限，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，实际上一不小心就会触到边界。

我们在 SFD Lab 的实战里就踩过这个坑：一个负责代码审计的 Agent，处理大型项目时跑到一半开始"失忆"——把已经审过的文件重复审一遍，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。每次新对话都是重新开始，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 的记忆里。

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：定期摘要注入。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转的记忆管理方案：

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，不要一次全塞。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 同时修改同一份文件时，可能产生冲突。我们现在的方案是"最后写入者赢"，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 项目里的探索。

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换来的。