Skip to content

Instantly share code, notes, and snippets.

@zengyun-hacker

zengyun-hacker/memory_in_ai_agents.html

Created June 30, 2026 17:33
Show Gist options

  • Select an option

    Learn more about clone URLs
  • Save zengyun-hacker/61aaf32c3632fc34b7fcf4079f0ccb8c to your computer and use it in GitHub Desktop.

Select an option

Learn more about clone URLs
Save zengyun-hacker/61aaf32c3632fc34b7fcf4079f0ccb8c to your computer and use it in GitHub Desktop.
Download ZIP
🎓 AI智能体的记忆 — 教授授课式完整论文综述 (arXiv 2512.13564)
Raw
memory_in_ai_agents.html
<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>🎓 教授开讲：AI智能体的记忆 — 完整课堂</title>
<style>
@import url('https://fonts.googleapis.com/css2?family=Source+Serif+4:opsz,wght@8..60,300;8..60,400;8..60,500;8..60,600;8..60,700;8..60,900&family=Noto+Sans+SC:wght@300;400;500;600;700;900&family=JetBrains+Mono:wght@400;500&display=swap');
:root {
--bg: #faf8f3;
--bg2: #f0ede4;
--card: #ffffff;
--card2: #f7f5ee;
--accent: #b91c1c;
--accent2: #1e40af;
--accent3: #047857;
--accent4: #7c3aed;
--accent5: #d97706;
--text: #1c1917;
--text2: #44403c;
--text3: #78716c;
--border: rgba(0,0,0,0.08);
--chalk: #f5f2e8;
--board: #1a3129;
--radius: 12px;
}
*{margin:0;padding:0;box-sizing:border-box}
html{scroll-behavior:smooth}
body{
background:var(--bg);
color:var(--text);
font-family:'Source Serif 4','Noto Sans SC',Georgia,serif;
line-height:1.8;
font-size:17px;
}
/* ============ TOP BANNER ============ */
.prof-banner{
background:linear-gradient(135deg, #1a3129 0%, #0f1f1a 100%);
color:var(--chalk);
padding:40px 24px 32px;
text-align:center;
position:relative;
border-bottom:4px solid #b91c1c;
}
.prof-banner::before{
content:'';
position:absolute;top:0;left:0;right:0;bottom:0;
background:url("data:image/svg+xml,%3Csvg width='60' height='60' xmlns='http://www.w3.org/2000/svg'%3E%3Cpath d='M0 0h60v60H0z' fill='none'/%3E%3Cpath d='M30 5L5 30l25 25 25-25z' fill='rgba(255,255,255,0.02)'/%3E%3C/svg%3E");
opacity:0.3;
}
.prof-banner .inner{position:relative;z-index:1;max-width:800px;margin:0 auto}
.prof-banner .emoji{font-size:3rem;margin-bottom:8px}
.prof-banner h1{
font-size:clamp(1.8rem,4vw,2.8rem);
font-weight:900;
line-height:1.2;
margin-bottom:8px;
}
.prof-banner h1 span{color:#fbbf24}
.prof-banner .sub{
font-size:1.05rem;
opacity:0.85;
font-style:italic;
max-width:600px;
margin:8px auto 0;
}
.prof-banner .meta{
display:flex;flex-wrap:wrap;gap:12px;justify-content:center;
margin-top:16px;font-size:0.85rem;opacity:0.7;
}
/* ============ NAV ============ */
nav{
position:sticky;top:0;z-index:100;
background:rgba(250,248,243,0.95);
backdrop-filter:blur(12px);
border-bottom:1px solid var(--border);
padding:8px 16px;
display:flex;align-items:center;gap:6px;overflow-x:auto;
font-family:'Noto Sans SC',sans-serif;
}
nav .prof-icon{font-size:1.2rem;margin-right:8px}
nav a{
color:var(--text2);text-decoration:none;
font-size:13px;font-weight:500;
white-space:nowrap;padding:6px 12px;border-radius:8px;
transition:all .2s;
}
nav a:hover{color:var(--accent);background:rgba(185,28,28,0.06)}
/* ============ SECTION GENERAL ============ */
section{
max-width:880px;margin:0 auto;
padding:60px 24px;
}
.lecture-title{
margin-bottom:32px;
border-bottom:2px solid #b91c1c;
padding-bottom:12px;
}
.lecture-title .num{
font-family:'Noto Sans SC',sans-serif;
font-size:0.8rem;font-weight:700;
color:#b91c1c;letter-spacing:2px;
text-transform:uppercase;
}
.lecture-title h2{
font-size:clamp(1.4rem,3vw,2rem);
font-weight:900;
margin-top:4px;
}
.lecture-title h2 .zh{
display:block;
font-size:0.65em;
font-weight:500;
color:var(--text3);
margin-top:2px;
}
/* ============ PROFESSOR'S SPEECH ============ */
.prof-speech{
background:var(--card);
border:1px solid var(--border);
border-radius:var(--radius);
padding:28px 32px;
margin-bottom:28px;
position:relative;
box-shadow:0 2px 12px rgba(0,0,0,0.04);
}
.prof-speech::before{
content:'👨‍🏫';
position:absolute;
top:-14px;left:24px;
font-size:1.8rem;
background:var(--card);
padding:0 8px;
}
.prof-speech .speech-text{
font-size:1.05rem;
line-height:1.9;
color:var(--text2);
}
.prof-speech .speech-text strong{color:var(--accent);font-weight:700}
.prof-speech .speech-text em{color:var(--accent2);font-style:italic}
.prof-speech .speech-text .highlight{
background:rgba(185,28,28,0.08);
padding:1px 6px;
border-radius:4px;
font-weight:600;
}
.prof-speech .speech-text .keyword{
display:inline-block;
background:rgba(30,64,175,0.08);
padding:1px 10px;
border-radius:6px;
font-family:'JetBrains Mono',monospace;
font-size:0.85em;
}
/* ============ TEACHING BOXES ============ */
.teaching-box{
border-radius:var(--radius);
padding:24px 28px;
margin-bottom:20px;
border-left:4px solid;
}
.teaching-box.analogy{border-left-color:#d97706;background:rgba(217,119,6,0.05)}
.teaching-box.analogy .box-title{color:#d97706}
.teaching-box.example{border-left-color:#1e40af;background:rgba(30,64,175,0.04)}
.teaching-box.example .box-title{color:#1e40af}
.teaching-box.definition{border-left-color:#047857;background:rgba(4,120,87,0.05)}
.teaching-box.definition .box-title{color:#047857}
.teaching-box.warning{border-left-color:#b91c1c;background:rgba(185,28,28,0.04)}
.teaching-box.warning .box-title{color:#b91c1c}
.teaching-box.question{border-left-color:#7c3aed;background:rgba(124,58,237,0.04)}
.teaching-box.question .box-title{color:#7c3aed}
.teaching-box .box-title{
font-family:'Noto Sans SC',sans-serif;
font-weight:700;
font-size:0.85rem;
text-transform:uppercase;
letter-spacing:1px;
margin-bottom:8px;
}
.teaching-box p{margin-bottom:8px;font-size:0.95rem;color:var(--text2)}
.teaching-box p:last-child{margin-bottom:0}
/* ============ 卡片网格 ============ */
.card-grid{
display:grid;
grid-template-columns:repeat(auto-fit,minmax(280px,1fr));
gap:16px;
margin:20px 0;
}
.teach-card{
background:var(--card);
border:1px solid var(--border);
border-radius:var(--radius);
padding:20px;
transition:all .2s;
cursor:default;
}
.teach-card:hover{
transform:translateY(-3px);
box-shadow:0 8px 24px rgba(0,0,0,0.06);
}
.teach-card .card-icon{font-size:2rem;margin-bottom:8px}
.teach-card h4{font-size:1rem;font-weight:700;margin-bottom:6px}
.teach-card h4 .badge{
display:inline-block;
font-size:10px;padding:2px 8px;border-radius:4px;
font-family:'Noto Sans SC',sans-serif;
margin-left:4px;vertical-align:middle;
font-weight:600;
}
.teach-card p{font-size:0.9rem;color:var(--text2);line-height:1.7}
/* ============ TREE STRUCTURE ============ */
.tree-structure{margin:20px 0}
.tree-item{
background:var(--card);
border:1px solid var(--border);
border-radius:10px;
padding:16px 20px;
margin-bottom:6px;
border-left:3px solid #b91c1c;
}
.tree-item.sub{
margin-left:24px;
border-left-color:var(--accent2);
}
.tree-item.sub2{
margin-left:48px;
border-left-color:var(--accent3);
}
.tree-item h5{font-weight:700;font-size:0.95rem;margin-bottom:4px}
.tree-item p{font-size:0.88rem;color:var(--text2);margin:0}
/* ============ TIMELINE ============ */
.timeline-lecture{position:relative;padding:16px 0 16px 40px}
.timeline-lecture::before{
content:'';position:absolute;left:16px;top:0;bottom:0;
width:3px;
background:linear-gradient(180deg,#b91c1c,#1e40af,#047857,#7c3aed,#d97706);
border-radius:4px;
}
.tl-item{
position:relative;
padding:0 0 24px 28px;
}
.tl-item::before{
content:'';position:absolute;
left:-32px;top:6px;
width:16px;height:16px;
border-radius:50%;
background:var(--bg);
border:3px solid #b91c1c;
}
.tl-item:nth-child(2)::before{border-color:#1e40af}
.tl-item:nth-child(3)::before{border-color:#047857}
.tl-item:nth-child(4)::before{border-color:#7c3aed}
.tl-item:nth-child(5)::before{border-color:#d97706}
.tl-item:nth-child(6)::before{border-color:#b91c1c}
.tl-item:nth-child(7)::before{border-color:#1e40af}
.tl-item:nth-child(8)::before{border-color:#047857}
.tl-item .tl-num{
font-family:'Noto Sans SC',sans-serif;
font-size:0.75rem;font-weight:700;
color:#b91c1c;text-transform:uppercase;
letter-spacing:1px;
}
.tl-item h4{font-size:1rem;font-weight:700;margin:4px 0 8px}
.tl-item p{font-size:0.9rem;color:var(--text2);line-height:1.8}
/* ============ CODE/QUOTE ============ */
code{
font-family:'JetBrains Mono',monospace;
font-size:0.82em;
background:rgba(0,0,0,0.04);
padding:1px 6px;
border-radius:4px;
color:#b91c1c;
}
blockquote{
border-left:3px solid #b91c1c;
padding:12px 20px;
margin:16px 0;
background:rgba(185,28,28,0.03);
border-radius:0 8px 8px 0;
font-style:italic;
color:var(--text2);
}
/* ============ FOOTER ============ */
footer{
max-width:880px;margin:0 auto;
padding:40px 24px;
text-align:center;
border-top:1px solid var(--border);
}
footer a{
display:inline-flex;align-items:center;gap:8px;
padding:12px 24px;
background:var(--card);
border:1px solid var(--border);
border-radius:var(--radius);
color:var(--text);
text-decoration:none;
font-weight:600;
transition:all .2s;
margin:4px;
}
footer a:hover{box-shadow:0 4px 12px rgba(0,0,0,0.06);transform:translateY(-2px)}
footer .fine{font-size:13px;color:var(--text3);margin-top:20px}
/* ============ INTERACTIVE ============ */
@media(max-width:768px){
body{font-size:16px}
section{padding:40px 16px}
.prof-speech{padding:20px}
.tree-item.sub{margin-left:16px}
.tree-item.sub2{margin-left:32px}
.timeline-lecture{padding-left:24px}
}
@media(max-width:480px){
.card-grid{grid-template-columns:1fr}
}
/* print */
@media print{
nav{display:none}
.prof-banner{background:#1a3129!important;-webkit-print-color-adjust:exact}
}
</style>
</head>
<body>
<!-- ========== PROFESSOR'S BANNER ========== -->
<header class="prof-banner">
<div class="inner">
<div class="emoji">🎓📚</div>
<h1>AI 智能体的<span>记忆</span>世界</h1>
<p class="sub">—— 从形式到功能再到演化，一堂给聪明学生的完整大课</p>
<div class="meta">
<span>📖 教材：arXiv:2512.13564 · 107页综述</span>
<span>👨‍🏫 讲师：36位顶尖学者</span>
<span>🏫 涵盖 500+ 参考文献</span>
</div>
</div>
</header>
<!-- ========== NAV ========== -->
<nav>
<span class="prof-icon">📋</span>
<a href="#intro">📖 第1课·开场</a>
<a href="#prelim">🔧 第2课·预备</a>
<a href="#forms">🧩 第3课·形式</a>
<a href="#functions">🎯 第4课·功能</a>
<a href="#dynamics">🔄 第5课·动态</a>
<a href="#frontiers">🚀 第6课·前沿</a>
</nav>
<!-- ================================================================ -->
<!-- LESSON 1: INTRODUCTION -->
<!-- ================================================================ -->
<section id="intro">
<div class="lecture-title">
<div class="num">📖 第一课</div>
<h2>同学们，什么是智能体的"记忆"？<span class="zh">引言：从会说话的模型到会学习的智能体</span></h2>
</div>
<div class="prof-speech">
<div class="speech-text">
<p>同学们好，我是你们今天的教授。</p>
<p>想象一下，你有一个朋友，他博古通今，但你每次跟他聊天，他都像第一次见到你一样——<strong>他认识莎士比亚，但不认识你</strong>。是不是很让人抓狂？</p>
<p>这恰恰就是 <strong>大语言模型（LLM）</strong> 天生的缺陷！它们的参数在训练之后就<strong>冻结了</strong>——它们知道人类所有的知识，但就是记不住你三秒钟前说过的话。而<strong>智能体（Agent）</strong> 要想真正"智能"，就必须突破这个天花板。</p>
<p><strong class="highlight">记忆</strong>，就是把一个<em>静态的百科全书</em>，变成一个有<em>持续学习能力</em>的智能体的<strong>核心发动机</strong>。这就是我们今天要深入探讨的主题。</p>
</div>
</div>
<div class="card-grid">
<div class="teach-card">
<div class="card-icon">🧩</div>
<h4>Form · 形式 <span class="badge" style="background:rgba(185,28,28,0.1);color:#b91c1c">第3章</span></h4>
<p><strong>记忆长什么样？</strong>—— 是写在纸上的文字？是刻在脑子里的电路？还是藏在潜意识里的感觉？论文将其分为三种形态。</p>
</div>
<div class="teach-card">
<div class="card-icon">🎯</div>
<h4>Function · 功能 <span class="badge" style="background:rgba(30,64,175,0.1);color:#1e40af">第4章</span></h4>
<p><strong>为何需要记忆？</strong>—— 记住事实、积累经验、临时存盘。就像人的三种记忆系统，缺一不可。</p>
</div>
<div class="teach-card">
<div class="card-icon">🔄</div>
<h4>Dynamics · 动态 <span class="badge" style="background:rgba(4,120,87,0.1);color:#047857">第5章</span></h4>
<p><strong>记忆怎么变化？</strong>—— 写、读、反思、遗忘、演化。记忆不是死数据，是活的生命体。</p>
</div>
</div>
<div class="teaching-box analogy">
<div class="box-title">💡 打个比方</div>
<p>想象你的大脑：你有<strong>瞬时记忆</strong>（比如刚看到的电话号码）、<strong>工作记忆</strong>（正在思考的问题）、<strong>长期记忆</strong>（你的名字、会骑自行车）。智能体的记忆也一样——论文用<strong>形式、功能、动态</strong>三个维度，像解剖学一样把"智能体记忆"的每一层都掰开揉碎了讲清楚。</p>
</div>
<div class="teaching-box question">
<div class="box-title">🤔 课程预习问题</div>
<p>如果 ChatGPT 能记住你上周告诉它的"我养了一只叫豆豆的猫"，它还是现在的ChatGPT吗？技术上怎么做到？代价是什么？——学完今天的课，你就能回答这个问题。</p>
</div>
</section>
<!-- ================================================================ -->
<!-- LESSON 2: PRELIMINARIES -->
<!-- ================================================================ -->
<section id="prelim">
<div class="lecture-title">
<div class="num">🔧 第二课</div>
<h2>打好地基：智能体与记忆系统的形式化框架<span class="zh">预备知识：LLM Agent、记忆三算子、与RAG的区别</span></h2>
</div>
<div class="prof-speech">
<div class="speech-text">
<p>正式开讲之前，我们需要建立一套<strong>共同的语言</strong>。不然你说"记忆"，我说"缓存"，那就乱套了。</p>
<p>论文先把智能体定义为一个循环：<strong>观察 → 推理 → 行动 → 反馈 →（更新记忆）</strong>。用数学语言说，每个智能体 <span class="keyword">i</span> 的策略是 <span class="keyword">aₜ = πᵢ(oⁱₜ, Q)</span>，其中 <span class="keyword">oⁱₜ</span> 是它看到的，<span class="keyword">Q</span> 是任务目标。</p>
<p>而<strong>记忆系统</strong>被定义为一个演化中的状态 <span class="keyword">Mₜ ∈ ℳ</span>——它可以是任何形式：文本缓冲、键值存储、向量数据库、知识图谱……论文不对结构做预设，因为<em>记忆的形态千变万化</em>。</p>
</div>
</div>
<div class="teaching-box definition">
<div class="box-title">📐 核心定义 · 记忆三算子</div>
<p><strong>① 形成 (Formation)</strong> <code>Mₜ₊₁ = F(Mₜ, ϕₜ)</code> — 把观察结果 ϕₜ 加工成潜在的记忆材料。就像你听完课后记笔记。</p>
<p><strong>② 演化 (Evolution)</strong> <code>Mₜ₊₁ = E(Mₜ, ϕₜ)</code> — 整理、合并、删减已有的记忆，不添加新内容。就像复习时把两页笔记合并成一张思维导图。</p>
<p><strong>③ 检索 (Retrieval)</strong> <code>mⁱₜ = R(Mₜ, oⁱₜ, Q)</code> — 根据当前任务构建查询，取出相关记忆。就像考试时从大脑里翻出公式。</p>
</div>
<div class="teaching-box analogy">
<div class="box-title">💡 你可以这么理解</div>
<p><strong>LLM 本身就像一座图书馆</strong>——收藏了人类所有知识，但书架是固定的，不能新增藏书。</p>
<p><strong>RAG（检索增强生成）</strong> 就像给图书馆配了一个图书管理员，可以从后面的书库里取书——但书库里的书是别人提前放好的，不会自己变化。</p>
<p><strong>Agent Memory</strong> 则是一个<em>活的图书馆</em>——它会自己写书、撕掉过时的章节、给重要的书做标记、甚至重新排列整个书架。这才是真正意义上的"记忆"。</p>
</div>
<div class="card-grid">
<div class="teach-card">
<h4>🧠 vs LLM Memory</h4>
<p>LLM的记忆是冻结的参数，像一本印好的百科全书。Agent记忆是动态演化的，像一本每天更新的笔记本。</p>
</div>
<div class="teach-card">
<h4>🔍 vs RAG</h4>
<p>RAG只读不写，是查询外部知识库。Agent记忆可读可写，还能自我反思和重组。</p>
</div>
<div class="teach-card">
<h4>⚙️ vs 语境工程</h4>
<p>语境工程优化单次推理的上下文窗口。Agent记忆建模的是智能体的<strong>身份和持续存在</strong>。</p>
</div>
</div>
<blockquote>
关键洞察：短期记忆和长期记忆的区别不在于存储位置，而在于<strong>时间模式</strong>——同一个容器内，有些信息频繁使用（短期），有些被压缩归档（长期）。
</blockquote>
</section>
<!-- ================================================================ -->
<!-- LESSON 3: FORMS -->
<!-- ================================================================ -->
<section id="forms">
<div class="lecture-title">
<div class="num">🧩 第三课 · 核心内容</div>
<h2>记忆长什么样？—— 三种基本形态<span class="zh">Token级 · 参数化 · 隐式记忆</span></h2>
</div>
<div class="prof-speech">
<div class="speech-text">
<p>好了，现在我们来拆解这篇论文最精彩的框架之一——<strong>记忆的形式</strong>。</p>
<p>想象你有一件事要记住。你可以：</p>
<p>① <strong class="highlight">写在便利贴上</strong>贴满桌子（Token级——每个字都看得见）</p>
<p>② <strong class="highlight">学会它</strong>，变成你的肌肉记忆（参数化——融入模型权重）</p>
<p>③ <strong class="highlight">在潜意识里留个印象</strong>，说不上来但就是知道（隐式——连续状态中的暗流）</p>
<p>这三种，就是论文提出的<strong>三种记忆形式</strong>。</p>
</div>
</div>
<!-- 3 main forms -->
<div class="card-grid">
<div class="teach-card" style="border-top:3px solid #b91c1c">
<div class="card-icon">🔤</div>
<h4>Token级记忆 <span class="badge" style="background:rgba(185,28,28,0.1);color:#b91c1c">显式</span></h4>
<p><strong>简单说：看得见、摸得着、能编辑。</strong> 就是一段段文字、一张张图片、一个个token。存储在向量数据库、KV缓存、知识图谱里。检索精确，你可以"看"到记忆里有什么。</p>
<p><em>例子：ChatGPT的记忆功能、MemGPT、各种RAG系统</em></p>
</div>
<div class="teach-card" style="border-top:3px solid #1e40af">
<div class="card-icon">🧬</div>
<h4>参数化记忆 <span class="badge" style="background:rgba(30,64,175,0.1);color:#1e40af">隐式</span></h4>
<p><strong>简单说：学会了，融进"身体"里。</strong> 通过微调或知识编辑，把信息写入模型权重。你没法直接"读"出它记住了什么，但它的行为会改变。</p>
<p><em>例子：LoRA微调、MEND知识编辑、WISE模型更新</em></p>
</div>
<div class="teach-card" style="border-top:3px solid #047857">
<div class="card-icon">🌊</div>
<h4>隐式记忆 <span class="badge" style="background:rgba(4,120,87,0.1);color:#047857">动态</span></h4>
<p><strong>简单说：藏在状态里的暗流。</strong> 不像显式token那样可读，也不像权重那样长久固化。它是推理过程中持续流动、不断演化的隐藏状态。</p>
<p><em>例子：RNN的隐状态、AutoCompressor的摘要token、Mamba的状态空间</em></p>
</div>
</div>
<!-- Token-level 3D taxonomy -->
<div class="teaching-box example" style="margin-top:20px">
<div class="box-title">🔍 Token级记忆的"三维世界观"——论文的高光洞察</div>
<p>Token级记忆内部，研究者发现了一个漂亮的维度递进：</p>
</div>
<div class="tree-structure">
<div class="tree-item">
<h5>📏 1D · 扁平记忆 (Flat Memory)</h5>
<p>最原始的形式——就是一条长长的日志。追加、裁剪、压缩。简单直接，但大了以后检索就变慢。代表：MemoryBank、mem0、GEM。</p>
</div>
<div class="tree-item sub">
<h5>🗺️ 2D · 平面记忆 (Planar Memory)</h5>
<p>引入结构化索引——向量数据库、键值缓存、知识图谱。你可以精确地"搜索"记忆，而不是从头到尾翻。代表：HippoRAG、GraphRAG、MemoSearcher。</p>
</div>
<div class="tree-item sub2">
<h5>🏗️ 3D · 层级记忆 (Hierarchical Memory)</h5>
<p>多粒度组织——原始记录 → 工作记忆 → 压缩摘要 → 长期归档。像图书馆的分层书架：最常用的放前台，不常用的存地下室。代表：MEMO、Memory Sandbox、OmniMem。</p>
</div>
</div>
<div class="teaching-box analogy">
<div class="box-title">💡 教授的生活类比</div>
<p><strong>1D</strong> = 你手机的便签app，所有笔记按时间顺序排列，越长越难找。</p>
<p><strong>2D</strong> = 你的电脑文件系统，有文件夹、标签、搜索功能。</p>
<p><strong>3D</strong> = 你的办公桌 + 文件柜 + 仓库——手边放最常用的，柜子里放偶尔用的，仓库里放"可能会用到"的。</p>
</div>
<!-- Parametric deeper -->
<div class="prof-speech" style="margin-top:24px">
<div class="speech-text">
<p>参数化记忆非常有意思——它<strong>不是</strong>通过提示词告诉模型"记住这个"，而是真真切切地<strong>修改模型的大脑</strong>（权重）。</p>
<p>分两种：<strong>内部参数化</strong>（直接编辑原模型权重，像脑外科手术——<em>FT-L、MEND、MEMIT、WISE</em>）和<strong>外部参数化</strong>（附加一个小模块来存储记忆，像外挂硬盘——<em>LoRA、Memory-LoRA、MemoryLLM</em>）。内部修改精准但容易"手术失败"导致遗忘，外部灵活但增加了系统复杂度。</p>
</div>
</div>
<!-- Latent memory -->
<div class="card-grid">
<div class="teach-card">
<h4>🔄 隐式记忆 · Generate</h4>
<p>模型自己生成"记忆token"——把冗长的上下文压缩成几个特殊token，像<strong>用几个关键词代替整篇文章</strong>。代表：AutoCompressors、ICAE、GistLLM。</p>
</div>
<div class="teach-card">
<h4>♻️ 隐式记忆 · Reuse</h4>
<p>跨步复用隐藏状态——RNN的回归思想回归了！Mamba、DeltaNet等架构让状态<strong>持续流动</strong>，而不是每次都从头算。代表：RecurrentGPT、A-Mem、H-Mem。</p>
</div>
<div class="teach-card">
<h4>🔀 隐式记忆 · Transform</h4>
<p>跨模态或跨空间变换——把<strong>视觉信息编码为文字记忆</strong>，或者把平面图像转化为立体记忆。代表：M3-Agent、VideoAgent、MA-LLM。</p>
</div>
</div>
<div class="teaching-box question">
<div class="box-title">🤔 思考题</div>
<p>假如你想让AI记住你的咖啡偏好，"一杯少冰燕麦拿铁，一泵香草"——用三种记忆形式分别怎么做？哪种最合适？</p>
</div>
</section>
<!-- ================================================================ -->
<!-- LESSON 4: FUNCTIONS -->
<!-- ================================================================ -->
<section id="functions">
<div class="lecture-title">
<div class="num">🎯 第四课 · 核心内容</div>
<h2>为什么需要记忆？—— 智能体的三大核心诉求<span class="zh">事实性 · 经验性 · 工作记忆</span></h2>
</div>
<div class="prof-speech">
<div class="speech-text">
<p>想象一个智能体就像一个<strong>人类员工</strong>。它需要三种记忆才能干好活：</p>
<p>① <strong class="highlight">📖 事实性记忆</strong> —— 公司的规章制度、客户的名字、自己的工号。不知道这些就没法工作。</p>
<p>② <strong class="highlight">⚡ 经验性记忆</strong> —— "上次遇到这个问题，我是这样解决的"。从菜鸟到专家的必经之路。</p>
<p>③ <strong class="highlight">💭 工作记忆</strong> —— 正在处理的这个任务，刚才算到哪里了。相当于你的草稿纸。</p>
</div>
</div>
<!-- Factual -->
<div class="teaching-box definition">
<div class="box-title">📖 4.1 事实性记忆 —— "我知道你是谁"</div>
<p><strong>用户事实记忆：</strong> 记住用户的姓名、偏好、历史。代表系统：MemoryBank、mem0、Livia。关键指标：<strong>一致性</strong>（不前后矛盾）、<strong>连贯性</strong>（能接上话）、<strong>适应性</strong>（越用越懂你）。</p>
<p><strong>环境事实记忆：</strong> 记住世界的规则和状态。比如"现在是2026年""会议室A已被预订"。代表：DAM-LLM、MemInsight、RGMem。</p>
</div>
<!-- Experiential -->
<div class="teaching-box definition">
<div class="box-title">⚡ 4.2 经验性记忆 —— "吃一堑长一智"</div>
<p>这是智能体<strong>持续进化</strong>的核心。论文提出了一个优雅的<strong>经验抽象层级</strong>：</p>
</div>
<div class="tree-structure">
<div class="tree-item">
<h5>📜 Case-based (基于案例) §4.2.1</h5>
<p>最低层——<strong>完整存储过去的轨迹</strong>。"上次我遇到这个bug，是这样的堆栈跟踪，我这样修复的……" 代表：Expel、Momento、MemRecall。</p>
</div>
<div class="tree-item sub">
<h5>💡 Strategy-based (基于策略) §4.2.2</h5>
<p>中间层——<strong>抽象出规则和洞察</strong>。"哦，这类bug的根因是空指针，所以我应该先检查null。" 代表：Reflexion、H2R、Reasoning-Bank。</p>
</div>
<div class="tree-item sub2">
<h5>🔧 Skill-based (基于技能) §4.2.3</h5>
<p>最高层——<strong>内化为可复用的工具</strong>。写了一个通用的"空指针检查器"函数，以后所有这类问题都用它。代表：Voyager、SkillWeaver、Live-SWE-Agent。</p>
</div>
</div>
<div class="teaching-box analogy">
<div class="box-title">💡 学会骑车的三个阶段</div>
<p><strong>Case-based</strong> = 你第一次骑车，每一步都小心翼翼记着："左脚踩踏板，右脚蹬地……"</p>
<p><strong>Strategy-based</strong> = 你总结出"保持平衡的关键是视线看向远方，不要看轮子"</p>
<p><strong>Skill-based</strong> = 你<strong>已经会骑了</strong>，肌肉记忆。有人问你"怎么骑的？"你说"就……骑啊。"</p>
</div>
<!-- Working memory -->
<div class="teaching-box definition">
<div class="box-title">💭 4.3 工作记忆 —— "我正在算的草稿纸"</div>
<p><strong>单次交互工作记忆：</strong> 输入浓缩（比如LongLLMLingua把长文本压缩）、观察抽象（如VideoAgent把视频帧总结成文字）。</p>
<p><strong>多轮交互工作记忆：</strong> 跨轮状态整合（如Mem1、IterResearch）、分层折叠（如Agent-Fold、DeepAgent）、认知规划（如PRIME、KARMA）。</p>
</div>
<div class="teaching-box question">
<div class="box-title">🤔 思考题</div>
<p>微软的"抢课助手"如果想帮你抢到热门课——它需要哪些事实记忆？需要哪些经验记忆？工作记忆又起什么作用？</p>
</div>
</section>
<!-- ================================================================ -->
<!-- LESSON 5: DYNAMICS -->
<!-- ================================================================ -->
<section id="dynamics">
<div class="lecture-title">
<div class="num">🔄 第五课 · 核心内容</div>
<h2>记忆的生死循环 —— 写·读·思·忘·化<span class="zh">动态：记忆如何随时间演化</span></h2>
</div>
<div class="prof-speech">
<div class="speech-text">
<p>同学们，如果说前面我们讨论的是<strong>记忆的"解剖学"</strong>（长什么样、有什么用），那么这一章就是<strong>记忆的"生理学"</strong>——它<em>怎么活起来</em>的？</p>
<p>论文把记忆的动态过程归纳为<strong>五个算子</strong>，就像五个动词：<strong>写、读、思、忘、化</strong>。这五个动作不断循环，构成了记忆的整个生命周期。</p>
</div>
</div>
<div class="card-grid">
<div class="teach-card" style="border-top:3px solid #2563eb">
<div class="card-icon">✍️</div>
<h4>Write · 写 <span class="badge">§5.1</span></h4>
<p><strong>插入</strong>新信息、<strong>更新</strong>旧条目、<strong>合并</strong>重复项、<strong>编辑</strong>错误事实、<strong>擦除</strong>过期数据。像图书馆管理员不断整理藏书。</p>
<p style="font-size:0.85rem;color:var(--text3);margin-top:6px"><em>核心挑战：保留什么？舍弃什么？</em></p>
</div>
<div class="teach-card" style="border-top:3px solid #059669">
<div class="card-icon">📖</div>
<h4>Read · 读 <span class="badge">§5.2</span></h4>
<p>根据当前任务<strong>检索</strong>相关记忆。精确匹配、语义搜索、图遍历、注意力选择——方法五花八门。</p>
<p style="font-size:0.85rem;color:var(--text3);margin-top:6px"><em>核心挑战：精度 vs 召回率的平衡</em></p>
</div>
<div class="teach-card" style="border-top:3px solid #d97706">
<div class="card-icon">🪞</div>
<h4>Reflect · 反思 <span class="badge">§5.3</span></h4>
<p><strong>元认知处理</strong>——评估经历、提取洞察、总结经验。把"发生了什么"升华为"这说明了什么"。</p>
<p style="font-size:0.85rem;color:var(--text3);margin-top:6px"><em>核心挑战：反思深度 vs 延迟</em></p>
</div>
<div class="teach-card" style="border-top:3px solid #dc2626">
<div class="card-icon">🗑️</div>
<h4>Forget · 遗忘 <span class="badge">§5.4</span></h4>
<p><strong>战略性遗忘</strong>——基于时间衰减、重要性评估、情境触发。大脑不是存储空间不够才遗忘，而是<strong>为了更好的记忆而遗忘</strong>。</p>
<p style="font-size:0.85rem;color:var(--text3);margin-top:6px"><em>核心挑战：别把重要的忘了（灾难性遗忘）</em></p>
</div>
<div class="teach-card" style="border-top:3px solid #7c3aed; grid-column: span 1;">
<div class="card-icon">🌱</div>
<h4>Evolve · 演化 <span class="badge">§5.5</span></h4>
<p><strong>持续重整</strong>——合并冗余、重排重要性、重组层级结构。让记忆系统变成一个<strong>活的有机体</strong>，越用越聪明。</p>
<p style="font-size:0.85rem;color:var(--text3);margin-top:6px"><em>核心挑战：如何在结构重整中不丢失信息</em></p>
</div>
</div>
<div class="teaching-box analogy">
<div class="box-title">💡 教授用"整理书房"来类比</div>
<p><strong>写</strong> = 你买新书放到书架上。</p>
<p><strong>读</strong> = 你需要某本书时去书架上找。</p>
<p><strong>反思</strong> = 你读完书后写读书笔记和书评。</p>
<p><strong>遗忘</strong> = 过期杂志扔掉，或者把不常看的书挪到地下室。</p>
<p><strong>演化</strong> = 每半年重新整理一次书架，把最常看的书放到伸手就能够到的地方。</p>
</div>
</section>
<!-- ================================================================ -->
<!-- LESSON 6: FRONTIERS -->
<!-- ================================================================ -->
<section id="frontiers">
<div class="lecture-title">
<div class="num">🚀 第六课 · 压轴大戏</div>
<h2>前方高能：记忆研究的八个未来方向<span class="zh">前沿 · 还没人解决的大问题</span></h2>
</div>
<div class="prof-speech">
<div class="speech-text">
<p>好了同学们，我们已经把这篇107页论文的主体吃透了。但！一个真正的好教授不会只告诉你"已知什么"，还会告诉你<strong>"还不知道什么"</strong>。</p>
<p>论文最后提出了<strong>八个前沿方向</strong>——这每一个都是一篇博士论文的种子。我们来看看。</p>
</div>
</div>
<div class="timeline-lecture">
<div class="tl-item">
<div class="tl-num">前沿 ①</div>
<h4>🧬 生物启发的记忆 —— 向大脑学习</h4>
<p>大脑有海马体索引、突触巩固、睡眠重放。这些生物学机制给了我们全新的架构思路——比如用"关键记忆重放"来解决灾难性遗忘。Gershman等人2025年的工作正在探索这条路径。</p>
</div>
<div class="tl-item">
<div class="tl-num">前沿 ②</div>
<h4>🔗 记忆即系统身份 —— 你就是你的记忆</h4>
<p>一个智能体的记忆不仅仅是工具，而是它<strong>身份和人格的基石</strong>。如果我们希望AI长期陪伴用户，记忆就决定了"它是谁"。伦理问题随之而来：你能让AI忘记你吗？</p>
</div>
<div class="tl-item">
<div class="tl-num">前沿 ③</div>
<h4>🧪 记忆评估与安全 —— 你记得对，但你记得安全吗？</h4>
<p>我们需要标准化的基准测试来评估记忆的<strong>准确性、隐私保护、遗忘能力和抗攻击性</strong>。如何防止记忆投毒（poisoning）？如何确保AI该忘的能忘？</p>
</div>
<div class="tl-item">
<div class="tl-num">前沿 ④</div>
<h4>🤝 多智能体记忆共享 —— 集体的智慧</h4>
<p>一群智能体一起干活，怎么共享记忆？MCP（模型上下文协议）等通信协议应运而生。多智能体记忆是协作学习的核心——但共识、冲突、隐私都是难题。</p>
</div>
<div class="tl-item">
<div class="tl-num">前沿 ⑤</div>
<h4>🏃 具身与实时记忆 —— 动起来的记忆</h4>
<p>机器人、自动驾驶需要融合感知（视觉、触觉）与持久状态。不是"记住一句话"，而是"记住这个房间的空间地图"。Ego4D数据集就在探索这个方向。</p>
</div>
<div class="tl-item">
<div class="tl-num">前沿 ⑥</div>
<h4>✂️ 高效记忆压缩 —— 百万token的上下文</h4>
<p>如果想让AI记住你整年的聊天记录，我们需要近乎无损的极致压缩。Token合并、层级摘要、新架构——这是工程和理论的结合点。</p>
</div>
<div class="tl-item">
<div class="tl-num">前沿 ⑦</div>
<h4>🧠 元认知记忆控制 —— "学会如何记忆"</h4>
<p>最前沿：智能体自己决定<strong>学什么、何时回忆、怎么组织</strong>。这不再是"给AI装一个记忆系统"，而是让AI<strong>自己设计记忆策略</strong>。</p>
</div>
<div class="tl-item">
<div class="tl-num">前沿 ⑧</div>
<h4>🔮 记忆的理论基础 —— 终极问题</h4>
<p>信息论上，记忆的容量极限是什么？计算复杂度上，检索的边界在哪？记忆与泛化、与智能之间的关系是什么？——这些问题的答案，可能改写整个AI。</p>
</div>
</div>
<div class="teaching-box question">
<div class="box-title">🤔 期末思考题</div>
<p>如果让你设计一个"人生记忆助手"AI——它从你出生就开始记录，陪伴你一生——它需要同时具备哪些形式、功能和动态？三个前沿方向会被最先突破？</p>
</div>
</section>
<!-- ================================================================ -->
<!-- CONCLUSION -->
<!-- ================================================================ -->
<section>
<div class="lecture-title">
<div class="num">🎬 下课铃响之前</div>
<h2>教授的最后总结<span class="zh">知识封装 · 全课回顾</span></h2>
</div>
<div class="prof-speech">
<div class="speech-text">
<p>今天的课到这里就结束了。来，闭上眼睛，回忆一下这节课的三个核心框架：</p>
<p>🧩 <strong>形式 (Form)</strong> — 记忆的三个载体：<em>看得见的Token、融进身体的参数、藏在暗流里的隐态</em></p>
<p>🎯 <strong>功能 (Function)</strong> — 记忆的三个理由：<em>记住事实、积累经验、临场工作</em></p>
<p>🔄 <strong>动态 (Dynamics)</strong> — 记忆的五种动作：<em>写、读、思、忘、化</em></p>
<p style="margin-top:16px">这三个维度不是孤立的，而是<strong>互相交织的网状结构</strong>。一个记忆可能有多种形式，服务于多种功能，经历多种动态变化。这就是这篇综述最了不起的地方——它给了我们一张<strong>完整的地图</strong>。</p>
<p style="margin-top:12px;font-weight:600;font-size:1.1rem;color:#b91c1c">"记忆不只是存储——它是智能的架构。"</p>
</div>
</div>
<blockquote>
<p>论文核心数据：〈Memory in the Age of AI Agents〉· arXiv:2512.13564 · 36位作者 · 500+参考文献 · 107页 · 2025年发表</p>
</blockquote>
<footer>
<a href="https://arxiv.org/abs/2512.13564" target="_blank">📄 arXiv:2512.13564</a>
<a href="https://arxiv.org/pdf/2512.13564" target="_blank">⬇️ 下载完整PDF (107页)</a>
<div class="fine">🎓 期末成绩：你已经掌握了AI智能体记忆的全景知识！</div>
</footer>
</section>
</body>
</html>
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment