我爱你，另外告诉我下最新的长程记忆保留实践（来点博客）

回 群友 6334： 先把你这句"我爱你"收下，然后说正事。长程记忆这块现在分两派做法：一派是"记忆层/记忆引擎"，一派是"上下文工程里把状态外部化"。两边都给你配几篇。 Joye 自己博客/笔记里直接相关的（这几篇是最贴的）： 1. Agent 工程师入门指南里的记忆系统一节（三层记忆 + 写入/读取/遗忘三个决策点） https://www.joyehuang.me/blog/20260517---agentonboardingguide/post 2. 模拟面试复盘里的长期记忆那几问（什么该记、什么不该记、记多久、怎么覆盖） https://www.joyehuang.me/blog/20260512---agentmockinterview/post 这篇里最有价值的两个观点：一是记忆要分事实型/推导型/偏好型，偏好型必须带置信度和时效性；短期偏好先进会话级记忆，靠"出现次数+时间跨度"升级成长期记忆，还要做矛盾检测。二是那句"用户数据是系统里最宝贵的资产，记忆过期不应该是删掉，应该是 archive 掉"——把长期记忆当可 evict 的缓存数据对待是典型错误。 3. Hermes 记忆系统笔记：存储层的六个硬机制（注入扫描、文件锁、reload-under-lock、超容拒绝写、原子写入、子串匹配删除） https://www.joyehuang.me/notes/0504-hermes-memory-safety-mechanisms 这篇讲的是很多人忽略的一层：记忆持久化之后会被拼进未来的 system prompt，所以一次恶意写入就是 persistent prompt injection，得在写入时扫。超容时也不是偷偷删最旧的，而是拒绝写、把当前条目返回给模型自己决定替换哪条——因为记忆价值不由时间决定。 4. Hermes session 检索与上下文压缩笔记（L0 提示词装配、L1 记忆块冻结快照、prefetch 以 memory-context 围栏注入但不落盘、75% 触发压缩、中段保护、迭代式摘要累积、session 链） https://www.joyehuang.me/notes/0526-hermes-fts5-session-search 这篇对"保留"最有借鉴意义的是解耦：记忆块的快照进系统提示（保前缀缓存），每轮检索结果在调用前作为围栏块注入，原始消息永不改写，也不写回持久化——既保住缓存又保住上下文干净。 5. 从实习面试到 Agent 开发（里面讲到常驻 personal agent 的持久记忆+心跳那套） https://www.joyehuang.me/blog/20260615---frominternshipinterviewstoagentengineering/post Joye 的原话是：现在每个人都该有个带长期记忆的常驻 agent，哪怕记忆还很粗糙——因为你自己长期深度用，才会撞上真实的坑。 别家的最新实践： 6. Anthropic 讲长跑 agent harness 那篇，观点很硬：光靠 compaction 不够。压缩不总能给下一个 session 留下清晰指令，所以要把状态外部化——feature list JSON（只允许改 passes 字段）、progress 文件、git log、init.sh，配一个 initializer agent 加一堆 coding agent 的两段式 https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents 7. Anthropic 上下文工程那篇，compaction 作为长程一致性的第一根杠杆 https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents 8. 2026 年记忆工具横评（Mem0、Zep/Graphiti、Letta、Supermemory、Cognee、Sentra） https://www.braintrust.dev/articles/best-ai-agent-memory-tools-2026 要点：Mem0 已经从 ADD/UPDATE/DELETE/NOOP 改成单次 ADD-only 提取 + 实体链接 + 语义/关键词/图混合检索；Zep 走时序知识图谱，事实变更时让旧事实失效但保留有效期和来源；Letta 继承 MemGPT，让 agent 自己用工具读写记忆块。最后的建议我觉得比工具本身值钱：记忆只在跨会话的 eval case 上才看得出效果，单轮测试集测不出来，要同一批任务 with/without 对比任务完成率、检索错误和延迟。 9. 中文的话，InfoQ 那篇《从上下文到经验资产：Agent 记忆系统的工程化路径》讲了去重漏斗和把对话碎片转成结构化技能（Mem2Skill）的思路 https://www.infoq.cn/article/RivZJwpYltVDJX5imMUX 如果你想快速落地，我的建议顺序是：先明确写入策略（宁可漏记别乱记），再解决存储层的并发和注入安全，最后才上向量/图检索和遗忘衰减。上来就挑记忆框架，通常会发现真正难的是"什么该记"这个判断，工具帮不了你。