匹配正文：…分钟任务和跨多天任务，记忆设计有什么不同？是不是把所有消息都存进向量库就行？” 这道题最容易把三个概念混在一起：上下文、任务状态和长期记忆。上下文是当前这次模型调用能看到的内容；任务状态记录同一次执行进行到哪里；长期记忆保存跨会话仍有价值的事实、偏好或经验。它们都让系统“记得”，但生命周期、存储方式、读取策略和安全边界不同。短任务通常重视当前目标、最近对话、计划和工具结果，重点是选择哪些信息进入有限上下文。长任务除了工作记忆，还要持久化进度、压缩中间产物、处理恢复与版本。跨…

#Agent#记忆与存储#Agent 长期记忆设计

面试题·Agent

Agent 长期记忆什么时候写入？从候选提取到更新、冲突和遗忘的完整生命周期

匹配正文：…保存，谁有权保存，旧信息怎样被更新，冲突时相信哪一条，以及用户要求忘记后怎样确保它不再被召回。如果 Agent 把每轮对话都写成长期记忆，临时要求、错误推断和敏感信息会不断积累。下一次检索虽然能找到“相似内容”，却可能把已经过期的偏好当成当前事实。反过来，如果系统什么都不写，跨会话体验又会从零开始。因此，回答应围绕一条可审计的记忆生命周期展开：候选提取、分类、授权、去重、冲突处理、正式写入、检索使用、更新、过期、遗忘与删除。“如何存”只是其中一步，每个阶段都要有明确证据和…

#Agent#记忆与存储#Agent 记忆写入机制

面试题·RAG

对话历史太长怎么办？滑动窗口、摘要和长期记忆怎么分工？

第 1 / 4 页下一页 →

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

匹配正文：…识，应由知识检索链路提供；“用户正在办理哪一步”“用户已经确认哪个选项”属于会话状态；“用户明确同意长期保存的语言偏好”才可能进入长期记忆。静态知识更新后，不能让一条旧对话记忆继续覆盖新制度。四类上下文不能混成一份聊天记录三层记忆分别解决什么问题短期窗口：保证当前任务连贯短期窗口保存最近的原始消息、当前任务状态和临近上下文，适合按会话 ID 读取。它的优点是信息原始、更新快，模型可以看到用户刚刚确认的对象和条件；缺点是容量有限，窗口外的信息会自然消失。窗口大小不应只…

#RAG#生成与对话#RAG 记忆模块

面试题·Agent· 字节

Agent 长期记忆存储结构

匹配正文：…工作记忆：对话上下文，用KV Cache或滑动窗口，毫秒级访问短期记忆：当前会话的完整记录，Redis/内存，支持快速CRUD 长期记忆：跨会话的海量历史，向量数据库+图数据库混合，持久化存储混合存储方案长期记忆 = 向量存储(语义检索) + 关系数据库(结构化过滤) + 对象存储(原始对话) 检索效率优化索引层面 HNSW/IVF-PQ：亿级向量毫秒级ANN检索，内存-磁盘分层分区策略：按用户+时间窗口分片，避免全量扫描量化压缩：FP32→INT8/二进制，降低…

#字节#蚂蚁#向量检索

面试题·Agent· 高德

Agent长期记忆Embedding检索策略

匹配题目：在Agent系统中引入长期记忆机制时，如何设计记忆内容的Embedding表示与检索策略？请说明关键考量因素，如时效性、相关性排序和噪声过滤。

#高德#Agent#Agent长期记忆

面试题·Agent· 字节

Agent 长期记忆存哪里?

匹配正文：答案要点区分短期记忆与长期记忆的设计边界向量数据库、键值存储、摘要记忆三种方案的核心原理与适用场景从检索延迟、存储成本、上下文窗口限制三个维度分析权衡提及MemGPT、LangChain等主流实现作为案例支撑指出多层级混合架构是当前工业界主流实践 Agent长期记忆的三种主流实现及权衡： 1. 向量数据库（Vector DB）原理：对话历史分块→Embedding→相似度检索优势：语义检索能力强，支持模糊匹配劣势：延迟高（10-100ms级），存在"中间丢失"…

#字节#百度#Agent

面试题·Agent· 字节

Agent 长期记忆架构与更新策略

匹配正文：答案要点区分短期记忆与长期记忆的层级设计支持多维度检索的记忆存储结构增量更新与定期总结的更新策略记忆注入大模型的上下文管理机制解决记忆冲突与遗忘的优先级策略架构组成：三层记忆体系 1. 工作记忆（Working Memory）当前对话窗口的原始上下文直接送入大模型的标准输入 2. 短期记忆（Short-term Memory）最近N轮对话的完整记录按时间序列存储，支持快速回溯 3. 长期记忆（Long-term Memory）用户画像：偏好、习惯、人口属…

#字节#百度#Agent

项目实战·RAG

第 8 章:多轮对话与记忆管理

匹配正文：📊 学习时长:50-65 分钟 🎯 完成后能力:能讲清记忆模块是什么、短期/长期记忆怎么管,会用 30 行代码实现"带记忆 + 指代消解"的多轮对话,并讲清主流框架的记忆方案 🔗 关联面试题:5 道(覆盖 5 个不同角度,见 Part 3) 这一章你会学到什么 ✓ 零基础也能跟着做:用一段零依赖代码,亲眼看到"没记忆,多轮里的'它'就无解;有记忆才接得住" ✓ 看懂记忆模块是什么:它是和检索模块并行的"动态上下文来源" ✓ 分清短期记忆(本次会话)和长期记忆(跨会话、用…

#RAG#检索#项目实战

面试题·Agent

Agent 从海量记忆里怎么找对内容？相关性、时间性和重要性怎样组合

匹配正文：面试官可能会问：“长期记忆已经存了很多条，为什么不能直接向量检索 TopK？” 因为“语义相似”只回答文本像不像，不回答这条记忆属于谁、当前 Agent 有没有权限、信息是否还有效、来源是否可信、是不是被新版本替代，以及它对当前任务到底有多重要。用户今天问“帮我继续上次的 RAG 评测”，向量库可能召回一个月前的项目目标，也可能召回另一个项目里措辞相似的评测记录。旧目标语义很像，但当前阶段已经变化；另一个项目更像，却属于错误作用域。若系统只取相似度最高的几条，记忆越多，污染…

#Agent#记忆与存储#Agent 记忆检索排序

面试题·Agent· 字节

Agent 长短期记忆如何分层?

匹配正文：逻辑分层 Agent 记忆应按职责划分：工作记忆保存当前目标、约束和近期工具结果；会话或情景记忆保存任务状态、事件和未完成事项；长期记忆只沉淀经确认、可复用且允许保存的偏好与事实。这是逻辑职责，不要求每层使用固定数据库。写入与读取交互或工具结果先经过候选提取、结构校验、去重、来源、权限与敏感信息检查，再带时间和版本写入结构化库、文本库或向量索引。新请求按身份与任务作用域做关键词、向量和结构化混合检索，再按相关性、时效性、重要性和权限重排，在上下文预算内注入。事实、原文和…

#字节#Agent#Agent 记忆架构

面试题·Agent· 字节

海量历史记录怎么索引优化？

匹配题目：当智能Agent需要维护大规模的长期记忆时，应如何设计存储架构？请说明在面对海量历史记录时，如何通过索引、向量检索或分层结构等手段优化查询效率。

#字节#蚂蚁#Agent

面试题·Agent· 高德

Agent记忆分层与RAG检索

匹配正文：…用中间结果短期记忆（Short-term Memory）当前会话内的历史（数小时级）按对话轮次分块，维护时间索引和主题标签长期记忆（Long-term Memory）跨会话的持久化知识（天/周/月级）存储于向量数据库，支持语义检索多维度检索策略维度实现方式权重场景语义相似度对话Embedding + 向量检索（如HNSW）用户询问历史相关话题时间衰减指数衰减函数：score × e^(-λ·Δt) 近期记忆优先重要性标记 LLM自动打标（关键决…

#高德#Agent#向量检索

面试题·评估· 得物

AI Agent 四大瓶颈怎么破?

匹配正文：答案要点可靠性：幻觉、工具调用失败、异常处理机制缺失可解释性：推理过程黑盒、决策链路不透明长期记忆：上下文窗口限制、记忆检索效率、知识更新多步推理：规划错误累积、任务分解合理性、反馈闭环需提出具体技术方向而非泛泛而谈可靠性瓶颈与改进核心问题幻觉与事实性错误：Agent调用工具后仍可能编造结果，或误解工具返回工具调用脆弱性：API变更、超时、异常格式导致级联失败缺乏自我纠错：多数Agent"一错到底"，无有效回退机制改进方向引入验证节点：关键步骤后增加事…

#得物#评估与监控#Agent

面试题·知识图谱· 字节

向量索引 vs 分层存储怎么选？

匹配正文：答案要点长期记忆的常见存储形式（向量库、知识图谱、外部数据库）大规模记忆的检索优化策略（分层索引、摘要压缩、时间衰减）工程权衡（延迟vs召回率、存储成本）实际落地经验（如MemGPT、LangChain Memory的实现思路）长期记忆的存储形式 Agent系统的长期记忆通常采用分层混合存储：层级存储形式适用场景工作记忆上下文窗口/Redis 当前对话轮次、临时变量短期记忆向量数据库（Milvus/Pinecone）近期对话Embedding、语义检…

#字节#Agent 长期记忆#向量索引

面试题·知识图谱· 字节

向量库 vs 知识库 vs 符号记忆？

匹配正文：答案要点区分短期记忆与长期记忆的技术边界向量数据库的embedding检索机制及局限性结构化知识库（知识图谱/数据库）的优缺点外部符号记忆的定义与典型实现三种方案的组合使用策略与选型依据长期记忆的三种主流方案 1. 向量数据库（语义记忆）原理：对话历史、文档等编码为embedding，按语义相似度检索优点：支持模糊匹配、语义关联、非结构化数据缺点：数值/逻辑查询弱，存在幻觉召回，无法精确推理场景：开放域问答、相似案例检索、个性化对话风格学习 2. 结构化知…

#字节#Agent#Agent 长期记忆

项目实战·Agent

Memory & Transformer 基础

匹配正文：… MHA / GQA / MLA MoE 专家网络门控 / 负载均衡 Memory 模块大模型 Memory 架构短期 / 长期记忆工程实现学习成果把底层原理和 Memory 工程补扎实，被问到架构细节时答得上、讲得清。适合谁想补底层、面试常被架构题问住的同学 Memory & Transformer 基础知识点地图想跟着老师完成项目需要项目实现、代码复盘和面试指导，可以了解大模型训练营的课程安排。

#项目实战#Memory & Transformer 基础

系统教程·AI 编程

面试高频:LLM、Token、上下文、Agent 到底是什么

匹配正文：…可以把新资料交给模型使用。缺少资料时可能回答错误，也可能说明不知道。对话记忆：模型使用本次调用收到的上下文；多轮历史、会话状态与长期记忆，需要由应用或服务提供并管理。工具执行：在本文的文本对话示例里，模型生成文本或工具调用请求，查数据库、运行代码等动作由宿主或工具服务执行。多模态能力与可用工具取决于具体模型和应用。 Token:模型眼里的「文字最小单位」模型先用 tokenizer 把文本转换成 token。一个 token 可能是子词、标点、空格或其他片段，不等同于一…

#Agent#AI 编程

项目实战·Agent

第 4 章:多轮对话与长程记忆管理

匹配正文：…什么 ✓ 跟着做:用零依赖代码跑通一个「带滑动窗口记忆 + 指代消解」的多轮对话,亲眼看「它」怎么被补全 ✓ 看懂短期记忆 vs 长期记忆的分工,以及为什么「把全部历史塞给模型」是错的 ✓ 掌握短期记忆的三种历史选择策略,以及「截断 vs 摘要」的取舍 ✓ 理解长期记忆:外部记忆库怎么写入 / 检索 / 更新 / 遗忘,以及用户画像怎么做 ✓ 学会多轮指代消解:把「那它呢」补全成一句能独立检索的问题 ✓ 想清记忆和上一章「演进报告 / ReSum」的关系:一个管「对话记忆」,…

#Agent#Deep Research#项目实战

面试题·Agent

Agent 调用写操作怎么防误执行？副作用分级、幂等、确认和审计怎样做

匹配正文：…要参数。执行网关从任务授权中得到允许的资源集合，参数超出范围直接拒绝。临时授权需要有效期和用途。为一次任务颁发的能力不能被保存到长期记忆，下一次对话也不能自动复用。工具结果中出现的令牌或链接同样不能被模型当作新权限。权限失败的响应要兼顾安全。对无权用户，不一定暴露资源是否存在；对审计系统，则需要保留准确原因。给模型的 Observation 和内部日志可以有不同详细度。用户确认也可能被“疲劳点击”破坏如果每个低风险动作都弹同样确认，用户会形成无脑点击习惯，真正高风险操…

#Agent#工具调用与安全#Agent 写操作幂等

面试题·Agent

Agent 记忆数据怎么存？关系库、向量库、对象存储与 Schema 怎样设计

匹配正文：…忆条目、权限、版本和反馈。它们需要精确查询、约束、事务和审计，适合关系型存储。第二类是需要语义相似检索的文本表示，例如经过筛选的长期记忆、历史任务摘要、知识文档片段和工具描述。它们适合建立向量索引，但原始归属和有效状态仍应回到事实源判断。第三类是大对象，例如完整文档、长报告、附件、网页快照、音视频转写、代码压缩包和长工具输出。它们不应反复塞进 Agent State 或向量元数据，适合放对象存储并保存稳定 URI、内容哈希和权限引用。第四类是短期热点数据，例如最近会话窗…

#Agent#记忆与存储#Agent 记忆存储设计

求职指南·求职

项目深挖:面试官会怎么一层层追问你的项目

匹配正文：… 的核心循环 ReAct 还是别的、什么时候停、怎么防死循环 ReAct 与迭代式研究 memory 长任务里上下文怎么管短期/长期记忆怎么存、上下文超长怎么压记忆机制权限你有没有安全和边界意识危险操作怎么卡、要不要人工确认、越权怎么防工具设计失败恢复工具报错/模型跑偏怎么办单步失败怎么重试、怎么回滚、怎么兜底 ReAct 与迭代式研究 trace 出问题你能不能定位每一步怎么记日志、怎么回放一次完整轨迹评估 eval 多步任务怎么评好坏按步评还是按最…

#求职#职业转型

面试题·RAG

多轮 RAG 如何理解“这个怎么申请”？

匹配正文：…释。这就是多轮 RAG 的一道高频面试题：当前问题依赖历史时，怎样把它恢复成可以独立检索的问题？对话历史太长以后，窗口、摘要和长期记忆又该怎样分工？只回答“把历史放进 Prompt”远远不够。面试官还会继续问：怎么判断当前是追问，还是已经换了话题？ Query 改写错了，系统怎样回退？历史窗口放多少轮，为什么不是越多越好？用户记忆和知识库事实冲突时，应该听谁的？为什么直接拼历史会出问题？多轮问答里至少有三类信息。第一类是当前问题。它决定用户此刻真正想问什么。…

#RAG#生成与对话#多轮 RAG

面试题·Agent· 得物

大模型记忆机制怎么改进?

匹配正文：答案要点区分短期记忆（上下文窗口）与长期记忆（外部存储）的技术路径至少提及2-3种具体架构方案（如Memory Bank、MemGPT、RAG-based Memory）说明记忆检索的关键设计（索引策略、相关性计算、遗忘机制）体现对Agent任务持续性的理解（多轮状态保持、目标追踪）有实际落地考量（延迟、存储成本、一致性）核心思路大模型记忆机制的本质是突破固定上下文窗口的限制，实现信息的跨会话持久化与高效检索。我从三个层面展开：一、架构层：原生上下文扩展长上…

#得物#Agent#大模型记忆机制

面试题·Agent· 字节

Attention 在 Agent 多轮对话有哪些局限?

匹配正文：…a，以RNN式隐状态替代KV Cache，支持无限长上下文记忆增强分层记忆：工作记忆（当前上下文）+ 短期记忆（会话摘要）+ 长期记忆（向量数据库检索）显式记忆写入：关键信息（实体、约束、计划）结构化存储，按需检索注入工程策略动态上下文压缩：基于重要性分数的token剪枝、分层摘要（如Hierarchical Attention）检索增强生成：将历史对话编码为向量，实时检索相关片段补充上下文学习建议建议先掌握Attention和Transformer基础原理，…

#字节#淘天#Agent