许多开发者错误地专注于通过提示词（prompts）来修复 AI 代理（AI agent）的问题，但根本原因往往是记忆设计（memory design）不足。代理会遗忘上下文、重复错误、使用过时信息、无法关联过往行动，或表现出行为不一致。这并非模型问题，而是记忆问题。有效的代理设计利用不同的记忆层级，每一层针对特定挑战。短期记忆（short-term memory）管理当前任务，跟踪目标、步骤和工具输出，以维持单次运行内的连贯性。语义记忆（semantic memory）存储稳定的长期知识，如用户偏好或领域事实，并根据相关性选择性检索。情景记忆（episodic memory）记录代理过去的行动、决策和结果，防止重复错误并随时间提升一致性。程序性记忆（procedural memory）定义任务应如何执行，通过在提示词和工作流中强制执行规则和约束，确保行为一致。最后，审计记忆（audit memory）记录代理的所有活动，用于调试、评估和合规性检查，尽管模型并不直接使用它。这些记忆类型协同工作：短期记忆处理当前任务，语义记忆处理相关事实，情景记忆提供历史意识，程序性记忆执行行为约束，审计记忆用于检查。缺少任何一层都会导致常见的生产问题和不一致行为。平衡这些记忆类型可使代理更加一致、可靠且易于调试。本质上，短期记忆回答“现在发生了什么？”，语义记忆回答“我们知道什么？”，情景记忆回答“之前发生了什么？”，程序性记忆回答“我们应该如何行动？”，审计记忆回答“实际上发生了什么？”。在设计代理时以这些问题为导向，可简化问题解决。归根结底，AI 代理的显著改进源于结构化的记忆设计，从而构建出可预测、值得信赖的系统，使其不再重复错误、能够适应用户并遵循规则。