【Agent】MemOS 源码笔记---(5)---记忆分类

【Agent】MemOS 源码笔记---(5)---记忆分类


目录

• 【Agent】MemOS 源码笔记---(5)---记忆分类
  
  
  
  • 0x00 摘要
    
  • 0x01 记忆分类
    
    
    
    • 1.1 业界分类
      
      
      
      • 1.1.1 整体图表
        
      • 1.1.2 梳理
        
      
      
    • 1.2 MemOS
      
    
    
  • 0x02 MemOS分类解析
    
    
    
    • 2.1 维度定义
      
      
      
      • 2.1.1 按「物理形态 + 生命周期」划分
        
      • 2.1.2 按「存储归属 + 访问优先级」划分
        
      
      
    • 2.2 核心关系解析
      
      
      
      • 2.2.1. 不存在直接包含关系
        
      • 2.2.2. 关键映射关系
        
      
      
    
    
  • 0x03 MemOS的具体实现
    
    
    
    • 3.1 基本概念
      
      
      
      • 3.1.1. 记忆类型 (memory_type)
        
      • 3.1.2. 记忆状态 (status)
        
      • 3.1.3. 记忆类型 (type)
        
      • 3.1.4 问题
        
      
      
    • 3.2 记忆生成
      
      
      
      • 3.2.1 记忆提取阶段
        
      • 3.2.2 内存类型判断的标准
        
      • 3.2.3 判断依据总结
        
      • 3.2.4 代码流程
        
        
        
        • 实际转换流程总结
          
        • 创建和初始存储
          
        • 定期清理与维护机制
          
        • 搜索时的数据交互
          
        • 图结构重组过程中的记忆优化
          
        • 用户控制方式
          
        • 总结
          
        
        
      
      
    
    
  • 0x04 MemOS 记忆生命周期管理
    
    
    
    • 4.1 生命周期阶段简介
      
    • 4.2 案例：在线教育助手的记忆生命周期
      
    • 4.3 自己的理解
      
    • 4.4 MemScheduler
      
    
    
  • 0xFF 参考
    
  
  

0x00 摘要

大模型之所以“忘事”，根本在于我们对“无状态模型”里“上下文窗口”的误解。很多人把它当成一只大箩筐，认为装得越多越好；然而，事实上，上下文窗口更像一块容量有限的工作记忆。硬塞太多信息，只会同时带来如下麻烦：关键内容被噪声淹没，模型抓不住重点，上下文越长，费用和延迟也越高。
这不是模型偷懒，而是 Transformer 架构的先天特性。每一次调用都像重新开机：没有长期记忆，上下文一旦过长，注意力就被冗余信息扯散，于是出现遗忘、跑题、速度下降。
为了补上这块短板，人们在记忆上大动手脚。
虽然前文简略介绍了MemOS的记忆类型，但是并未深入，本文以官方文档为基础进行解读，目的是了解MemOS的记忆分类，以及其生命周期。
0x01 记忆分类

1.1 业界分类

为了更好的分析，我们先来看看业界如何对记忆进行分类。
在当前（截至 2025 年）主流的智能体（Agent）系统和记忆架构研究与实践中，存在多种分类方式，这些分类借鉴自认知科学，并被 AI Agent 架构不同程度地采纳。
1.1.1 整体图表

先给出整体图表。
Memory 类型特点存储形式典型用途工作记忆（Working）任务级、临时、结构化内存中的字典 / 对象正在执行的工具调用参数、任务状态短期记忆（Short-term  Memory）容量小、时效短、上下文相关内存中的缓存 / 列表当前对话、任务执行中的临时状态长期记忆（Long-term Memory）持久存储、可检索、结构化/非结构化结构化数据库 / 向量库 / 知识库用户历史、知识库、经验沉淀情景记忆（Episodic Memory）记录特定事件（时间+地点+内容）和对话轨迹向量数据库 / 知识库回忆“上次用户说...”语义记忆（Semantic Memory）抽象知识（事实、概念、规则），即从多次交互中提炼稳定事实向量数据库 / 知识库“巴黎是法国首都”程序性记忆（Procedural Memory）如何做某事（技能、流程）结构化数据库 / 向量库调用工具链、执行计划偏好/用户画像记忆/个性化记忆（Preference/User Profile Memory）用户兴趣、习惯、风格偏好结构化数据库 / 向量库个性化推荐、语气调整1.1.2 梳理

以下分类属于笔者自己的理解，不一定正确，仅供大家参考。主要是 “感知 - 短期 - 长期” 三级时效分层体系，各层级功能与特性相对可以明确区分：

• 感知记忆（环境感知记忆）：最瞬时的记忆形态，仅存储当下环境中的即时数据（如视觉、声音信息），无长期复用价值，仅在当前瞬间有效，需通过转化机制进入更高层级记忆才能长期保留。
  

• 短期记忆（对应 Agent 的 Session 级别数据管理），此处有两种非常类似的说法，可以混用。可能工作记忆更强调当前会话，短期记忆强调短期的对话记录。
  
  
  
  • 工作记忆（Working Memory）：用来处理当前会话与任务的上下文，包括当前目标、正在执行的子任务等。核心作用是保障上下文连续性与即时响应能力。容量有限，但读写频繁、延迟极低。有的方案中，工作记忆也包括最近几轮对话。
    
  • 短期记忆：与特定会话或任务线程强绑定，即常见的 “历史对话记录”，是 LLM 推理 API 的核心基础参数，核心作用是维持单一会话内的交互连贯性。
    
  
  
• 长期记忆：不依赖特定会话，可跨场景复用，包括两种分类方法：
  
  
  
  • 分类1（从用户角度出发）
    
    
    
    • 情景记忆（Episodic Memory）：负责存储用户和Agent的具体交互事件。记录过往事件与行动历程，区别于孤立事实，更侧重 “经历” 的完整留存，帮助 Agent 回忆任务执行的具体过程与场景；
      
    • 陈述性记忆（Declarative Memory，“是什么），此处也有两种类似的说法：
      
      
      
      • 语义记忆（Semantic Memory”）：通过层级结构归纳用户长期信息。聚焦事实与概念的存储，如交互中积累的特定信息、概念间的关联关系，是实现个性化服务的关键（如记住用户的偏好事实）；
        
      • 陈述性记忆：此分类和语义记忆很类似，属于将语义记忆扩大化。即，  陈述性记忆是关于事实和事件的知识 。它回答的是各种“是什么”的问题 — 无论是世界知识还是用户的具体信息。比如用户的姓名、喜欢的美食，曾遭遇过的事件等，都属于陈述性记忆 。
        
      
      
    • 程序性记忆（Procedural Memory，“怎么做”）：存储执行任务的规则、方法与流程，由模型权重、智能体代码、提示词策略等共同构成，相当于 Agent 的 “内在方法论”，指导其如何完成具体任务（类似人类骑自行车的技能记忆）。
      
    • 个性化记忆：形成关于用户的持续画像。通过会话内容摘要等方式提取的用户画像信息，包括用户偏好、行为习惯、身份特征等，支撑长期交互中的个性化服务。
      
    
    
  • 分类2（从实际应用功能出发）：
    
    
    
    • 检索记忆：通过 RAG 技术对接外部知识库，核心价值是补充模型原生知识，同时减少内部知识冲突，提升信息获取的精准性与时效性。
      
    • 通用记忆：通过预训练或后续微调沉淀的基础通用知识，构成 Agent 的核心认知底座，支撑各类基础任务的理解与执行。
      
    • 规则记忆：以强化学习（RL）、提示词（Prompt）等方式固化的行为规范，用于约束 Agent 输出格式（如 JSON、CoT 链式推理）与行为边界，确保响应的一致性与合规性。
      
    • 个性化记忆：通过会话内容摘要等方式提取的用户画像信息，包括用户偏好、行为习惯、身份特征等，支撑长期交互中的个性化服务。
      
    
    
  
  

1.2 MemOS

MemOS对记忆有两种分类：
第一种是分成三个子类：

• 结构化记忆（明文记忆）：尝试基于图的分层知识 TreeTextMemory，是结构化、层次化和知识图谱。图与向量后端会连接 Neo4j 或 Qdrant 实现生产级向量/图搜索。适合常青技能和稳定的领域专业知识。
  
• 激活记忆：运行时的 KV 缓存和隐藏状态（高效率），使用 KVCacheMemory （最近或稳定的上下文）加速多轮对话，高效的运行时状态缓存。适合对话中的快速重用、多轮会话。
  
• 参数化记忆：嵌入模型中的长期知识和技能，用适配器/LoRA 实现动态技能注入。适合可搜索、可检查、演进知识。
  

第二种也是三个子类：

• WorkingMemory: 工作记忆，临时存储
  
• LongTermMemory: 长期记忆，持久存储
  
• UserMemory: 用户记忆，个性化存储
  

0x02 MemOS分类解析

MemOS 这是两套完全不同的分类维度 —— 前者按 “记忆的物理形态与生命周期” 划分，后者按 “记忆的存储归属与访问优先级” 划分。二者无直接包含关系，但存在明确的动态迁移逻辑，共同支撑 MemOS 对 Agent 记忆的精细化管理。

• 「物理形态 + 生命周期」分类（第一套）：解决 “记忆如何高效存储、快速访问” 的工程问题，通过 “工作记忆→激活记忆→长期存储” 的层级设计，平衡内存占用与访问速度；
  
• 「存储归属 + 访问优先级」分类（第二套）：解决 “记忆如何精准管理、个性化调用” 的功能问题，通过 “WorkingMemory→LongTermMemory→UserMemory” 的模块划分，实现 “任务实时处理、通用知识沉淀、用户个性化适配” 的目标。
  

2.1 维度定义

先明确两套分类的核心定义（维度本质）。
2.1.1 按「物理形态 + 生命周期」划分

参数记忆（Parameter Memory）/激活记忆（Activated Memory）/结构化记忆（明文记忆） 的分类聚焦 “记忆在系统中的存在形式、存活时长”，是从工程实现角度对记忆数据的拆解，核心服务于 “资源优化”（如内存占用、计算效率），偏 “技术实现维度”：
记忆类型核心定义物理形态生命周期核心作用参数记忆（Parameter Memory）固化在模型权重中的 “隐性记忆”，是模型训练阶段习得的知识（非 MemOS 动态管理的记忆）。模型参数（权重矩阵）长期固定（除非模型微调）提供 Agent 基础认知能力（如语言理解、通用逻辑），是其他记忆发挥作用的前提。激活记忆（Activated Memory）从长期存储中 “临时唤醒” 并加载到内存的记忆片段（如近期高频访问的知识、正在处理的任务相关记忆）。内存中的结构化数据（节点、关系、向量）中短期（任务执行期间 / 闲置超时后释放）作为 “缓冲层”，避免频繁读取长期存储，提升记忆访问速度。结构化记忆（明文记忆）任务执行时 “实时生成 / 使用” 的临时记忆，是 Agent 当前决策所需的核心信息集合。内存中的临时数据结构（如任务状态、推理中间结果、即时交互信息）短期（任务结束后销毁 / 归档）支撑当前任务的实时决策（如 “规划旅行” 时，临时存储目的地、交通方式等信息）。2.1.2 按「存储归属 + 访问优先级」划分

该分类聚焦 “记忆的所有权、用途与访问优先级”，是从 Agent 功能逻辑角度对记忆的组织，核心服务于 “精准检索与管理”（如区分用户专属记忆和通用知识），偏 “功能逻辑维度”：
记忆类型核心定义存储归属访问优先级核心作用WorkingMemory（工作记忆）此处是 MemOS 中 “任务级临时存储模块”，专门存放当前任务的实时信息。内存 / 临时存储最高（任务执行期间优先访问）承接当前任务的输入、中间结果、决策依据，是 Agent 实时交互的 “临时工作台”。LongTermMemory（长期记忆）Agent 的 “通用知识库”，存放不随任务销毁的长期有效信息（如通用知识、历史任务归档、领域规则）。持久化存储（图数据库、向量数据库）中低（需检索唤醒）提供 Agent 长期稳定的知识支撑，避免 “任务结束即失忆”。UserMemory（用户记忆）属于 LongTermMemory 的 “子集化存储”，专门存放用户专属信息（如用户偏好、历史交互记录、个人属性）。持久化存储（独立分区 / 带用户标识的数据库）中高（用户相关任务优先访问）实现 “个性化交互”（如记住用户喜欢的沟通风格、历史需求）。2.2 核心关系解析

无包含关系，但有明确的 “映射与迁移”。
2.2.1. 不存在直接包含关系

这两套分类维度是平行的

• 第一套是 “技术实现维度”（关注 “记忆怎么存、存多久”），第二套是 “功能逻辑维度”（关注 “记忆为谁存、用来做什么”），二者如同 “按‘材质 + 保质期’分类食品” 与 “按‘食用场景 + 归属人’分类食品”—— 分类标准完全不同，无法直接说 “某类包含某类”。
  
• 例：UserMemory（功能维度）的物理形态可能是 “长期存储的结构化数据”（对应第一套的 “非激活态长期记忆”），也可能是 “临时加载到内存的激活数据”（对应第一套的 “激活记忆”）；WorkingMemory（功能维度）的物理形态就是第一套的 “结构化记忆”（临时数据结构）。
  

2.2.2. 关键映射关系

为了让逻辑更清晰，可通过 “功能模块 → 技术形态” 的映射理解二者关联：
功能维度记忆（第二套）对应的技术维度记忆（第一套）WorkingMemory100% 对应「结构化记忆」（临时数据结构，任务结束后销毁 / 归档）；部分场景会加载「激活记忆」（如调用历史任务相关的唤醒记忆）。LongTermMemory（通用）未访问时：对应「长期存储的结构化数据」（非激活态）；访问时：加载为「激活记忆」；核心知识可能间接依赖「参数记忆」（模型权重中的通用认知）。UserMemory未访问时：对应「长期存储的用户专属数据」（非激活态）；访问时：加载为「激活记忆」；个性化偏好的理解依赖「参数记忆」（模型对 “偏好” 的语义认知）。0x03 MemOS的具体实现

3.1 基本概念

MemOS 关于记忆的基本概念如下。
3.1.1. 记忆类型 (memory_type)

• WorkingMemory: 工作记忆，临时存储。
  
• LongTermMemory: 长期记忆，持久存储
  
• UserMemory: 用户记忆，个性化存储
  

WorkingMemory是Memos中的一种记忆类型，具有有限容量且会被定期清理。在MemoryManager中，默认最多保存20条WorkingMemory记录，并会自动移除旧记录以维持容量限制。
LongTermMemory和UserMemory是另外两种记忆类型，容量较大（默认分别为1500和480条记录）。它们不会像WorkingMemory那样频繁清理，用于存储更持久的信息。
3.1.2. 记忆状态 (status)

• activated: 激活状态
  
• archived: 归档状态
  
• deleted: 删除状态
  

3.1.3. 记忆类型 (type)

• fact: 事实
  
• event: 事件
  
• opinion: 观点
  
• topic: 主题
  
• reasoning: 推理
  
• procedure: 程序
  

3.1.4 问题

如何选择合适的memory_type？
[code]#
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！