AI Agent / 系统课时
处理失效记忆
处理失效记忆
本篇解决智能体长期记忆中信息过期、错误或不再适用的问题。通过建立时间、文件变化和验证结果三个判断维度,智能体可以识别旧知识并更新记忆库,避免基于错误上下文继续执行任务。
学习目标
- 理解失效记忆产生的原因和识别信号。
- 掌握基于时间、变化检测和验证反馈的淘汰策略。
- 实现一个基础的记忆有效性检查流程。
失效记忆产生的问题
智能体记忆并不是永久正确的数据。项目代码会重构,配置会迁移,依赖会升级,业务规则也可能变化。如果智能体继续使用旧记忆,就可能生成已经不存在的文件路径、错误的调用方式或过时的架构建议。
记忆失效通常来自三类情况:
- 时间失效:保存时间过久,信息可能已经不可靠。
- 环境失效:关联文件、配置或代码已经发生变化。
- 结果失效:过去验证有效的方法,现在执行后失败。
因此,记忆系统需要的不只是存储能力,还需要判断某条知识是否仍然可信。
根据信号判断记忆状态
一个简单的记忆状态模型可以包含有效、待验证、失效三个阶段。
有效记忆可以直接参与推理;待验证记忆需要重新检查;失效记忆应降低优先级或移除。
常见判断规则如下:
| 判断信号 | 处理方式 |
|---|---|
| 超过设定有效期 | 标记待验证 |
| 关联文件哈希变化 | 重新读取上下文 |
| 自动测试失败 | 标记失效 |
| 用户明确纠正 | 立即更新 |
使用文件变化检测旧知识
项目型智能体通常会记录记忆来源,例如文件路径、提交版本或摘要信息。再次使用前,可以检查来源是否变化。
python
import hashlib
from pathlib import Path
def file_signature(path):
# 使用文件内容生成摘要,用于判断来源是否变化
return hashlib.sha256(Path(path).read_bytes()).hexdigest()
memory = {
"source": "src/config.py",
"signature": "old-signature"
}
current = file_signature(memory["source"])
if current != memory["signature"]:
print("memory needs validation")
else:
print("memory is valid")预期输出
text
memory needs validation实际项目中可以将签名、更新时间和验证结果一起保存,用于下一次调用时快速判断。
通过验证结果修正记忆
仅依赖时间判断并不可靠。一条旧记忆可能仍然正确,而一条刚保存的信息也可能错误。因此执行结果应成为重要反馈来源。
例如智能体记住“某接口返回字段为 name”,但实际调用发现字段已经改为 username,就应该降低旧记忆可信度,并记录新的事实。
记忆更新流程通常包括:
- 读取已有记忆。
- 根据当前环境验证。
- 比较差异。
- 更新或删除旧内容。
本课总结
- 失效记忆会导致智能体基于错误上下文执行任务。
- 时间、文件变化和验证结果是判断记忆有效性的核心信号。
- 可靠的记忆系统必须具备验证和更新机制。
下一课预告
下一课将继续学习任务状态管理,让智能体能够保存执行进度并恢复未完成工作。
按自己的节奏,确认真正理解。