Agent Memory Architecture：The 5-Layer Playbook
来源性质：用户上传的 13 页独立编译工程笔记，封面标注“Production Agent Engineering Practice 2026”，并明确声明与 Anthropic 无隶属或背书关系。原文件没有可确认的 canonical URL，因此保留
raw_state: full。
编译判断：材料与知识库主线直接相关，收录为 Agent Memory 的一条二手架构综合；其中的外部指标、产品实现和“90%”等效果数字只能视为该 PDF 的报告，不能仅凭本文件升级为高强度证据。
编译摘要
1. 浓缩
- 核心结论1：Agent 记忆应按职能分层，而不是把所有历史塞进一个上下文或向量库。
- 关键证据：PDF 第 1、6、8 页把工作记忆（当前上下文）、情景记忆（发生过什么）、语义记忆（什么为真）、程序性记忆（如何做）和遗忘机制（删除/替代/冲突处理）连成一条数据流；第 2–4 页分别规定了各层的内容、检索方式和寿命。
- 核心结论2：记忆的生产闭环是“任务前检索 → 执行 → 任务后写入 → 重复成功晋升技能 → 定期清理”。
- 关键证据：第 6–8 页的七日构建路径、Memory-Aware Agent Loop 和系统提示词模板；第 4 页建议只有在方法重复且至少成功三次后才晋升为程序性技能。
- 核心结论3：记忆系统的收益来自选择性、结构化和生命周期治理，而不是单纯增加存储量。
- 关键证据：第 3 页用 ontology 限制实体/关系/校验，第 4–6 页要求冲突解决、技能版本化和过期策略，第 9 页要求按项目或 Agent 隔离共享范围，第 10–11 页进一步区分 hot/warm/cold 存储。
2. 质疑
- 关于“五层”的地位：CoALA 为语言 Agent 提供的是模块化记忆、行动空间和决策过程的概念框架，并不自动证明“工作/情景/语义/程序/遗忘”是唯一或普适的生产分层。该 PDF 的五层更像工程分类法；其中“遗忘”按实现是横切所有长期记忆的生命周期控制器，而不是与其他层同类的存储桶。
- 关于定量效果：PDF 没有复现实验、样本、置信区间或完整 benchmark 协议；Mem0、Snowflake 的数字来自不同产品/内部实验版本，不能直接拼成普遍的 ROI 定律。尤其“memory pays for itself on day one”和“memory—not the model—is the bottleneck”是推广性判断，不是本文件证明的结论。
- 关于固定阈值：30/90 天 TTL、至少三次成功、成功率高于 0.8 等参数是启发式默认值。医疗、研究、客户支持和安全关键系统的保留周期、人工复核和删除权可能完全不同。
- 关于自动遗忘与冲突：简单的 keep-newer 或自动过期可能删除一次性的关键决定；“同一实体单写者”能降低并发覆盖，却把写入权限、事实归属、审计和人工仲裁问题留给系统设计者。
- 关于实现完整性：示例代码是教学骨架，未覆盖权限、隐私删除、并发事务、事实 provenance、检索误召回、技能回滚验证和多租户隔离；JSON/SQLite/YAML 只是起步存储，不等于生产方案。
- 关于外推范围：PDF 将编码架构、企业数据 ontology、个人助理记忆和多 Agent 协同放在同一 playbook 中，但这些场景对新鲜度、责任、权限和可审计性的约束不同，不能只靠一套 TTL 和检索器解决。
3. 对标与旁逸
3a. 对标
- 与 Multi-Layer-Memory 的关系：现有页面按存储位置、时间尺度和所有权划分五层；本 PDF 按认知职能和持久性语义划分五层。两套分类可以组合，但没有一一映射：例如程序性记忆可能落在长期经验层或技能层，语义记忆可能由知识图谱、数据库或文件共同承载。
- 与 Memory-Synthesis / Staleness-Problem 的关系：PDF 把“从情景记录提取 durable facts、处理 supersession、定期清理”写成可运行的后台管线；这与记忆合成的提取—合成—更新闭环同构，但 PDF 更强调任务经验和技能晋升。
- 与 Structured-Agent-Memory / Ontology 的关系：ontology 在此不是增加知识，而是规定什么实体、关系和约束可以进入记忆，从而降低无结构存储的检索歧义；这与结构化记忆的“空间组织”维度互补于分层记忆的“时间/生命周期”维度。
3b. 旁逸
- “遗忘”是负向知识编译：写入不是唯一的学习动作；过期、替代和冲突标记决定旧判断何时失去行为权重。对 Agent 来说，删除策略与提取策略同样属于 harness 的认知基础设施。
- 技能晋升是受门控的经验编译：一次成功只产生 episode；重复成功、明确步骤、可用工具和成功标准共同满足后，才把 episode 编译成 procedure。这与本库已有的“重复模式再晋升”机制相连，但仍需环境变化后的重新验证。
- 共享记忆同时是协作面和安全边界：多 Agent 共享 semantic/procedural memory 能减少重复探索，也会扩大污染、越权读取和旧事实传播的半径；因此 memory scope 应与工具权限和项目边界一起设计。
3c. 约束
- 硬约束：上下文窗口有限；长期事实会变化；并发写入可能覆盖；多租户记忆不能默认互通。
- 软约束：TTL、top-k、技能晋升次数、成功率阈值和 hot/warm/cold 分层，必须按任务分布、风险和成本调参。
- 自设约束：七日上线顺序、JSONL/SQLite/YAML 选型和“至少三次”是可替换的工程起点，不是架构定律。
外部核验与证据边界
- CoALA：官方论文 Cognitive Architectures for Language Agents 支持“模块化记忆”的概念来源，但没有证明本 PDF 的五层组合或其性能数字。
- Mem0：官方功能文档曾报告 90% token savings 与 91% latency reduction，但较新的官方 benchmark 说明使用约 26,000 tokens 对比低于 7,000 tokens 等不同口径；PDF 中“1,800 tokens / 26,000 tokens”的精确组合应视为特定版本或实验条件下的报告，不能脱离 benchmark 外推。
- Snowflake：官方 Agent planning 页面报告其内部实验约 20% accuracy 提升和约 39% tool calls 减少；这支持“ontology 可能降低工具调用”的方向，但内部实验的外推边界仍需保留。
- Anthropic：官方 Claude Tag 说明记忆可按频道/工作范围隔离，支持“scope 是记忆边界”的工程方向；它不等于 PDF 所称的完整 Claude memory architecture 证据。
关键证据索引
| 主题 | PDF 定位 | 编译用途 |
|---|---|---|
| 五层总图与核心主张 | 第 1 页，Fig. 1、Abstract | 识别五层的职能关系 |
| 工作/情景/语义记忆 | 第 2–4 页 | 内容、检索、TTL、ontology、冲突处理 |
| 程序性记忆与遗忘 | 第 4–6 页 | 技能 schema、晋升门槛、supersession、review |
| 生产管线与决策框架 | 第 6–8 页 | 七日 build path、agent loop、何时不加记忆 |
| 多 Agent、分层存储与领域配置 | 第 9–11 页 | scope、并发、hot/warm/cold 和领域差异 |
| 测试与局限 | 第 11–13 页 | amnesia、contradiction、staleness、skill promotion、load test |