解读 | 长上下文 Agent 的记忆管理机制

长上下文模型把「记忆」的物理上限推到了百万 token 级别，但这篇 NeurIPS 2025 论文的核心结论是：更长的窗口不等于更好的记忆。

遗忘也是一种能力

论文实验发现，把全部历史塞进上下文，Agent 的任务成功率反而下降。原因有二：

• 无关历史稀释了注意力，关键指令被淹没
• 早期错误决策会被后续步骤不断引用和放大

分层记忆架构

作者提出的方案是将记忆分为三层，并按访问频率动态降级：

我们的看法

• 分层记忆与 RAG 的索引思路相通，但关键是降级策略而非检索本身
• 对需要长期运行的业务 Agent（如客服、巡检），这套机制值得直接借鉴