Agent记忆管理别压掉动作:上下文压缩策略保住结果来源与时刻。看见了不等于做完,拆成现象、依据、处理三行,对不上写待补。 要直接出成品,从超级智能办公选一种交付。发出前按2026草稿验收逐行核对。目录在办公核对。

Agent 的记忆爆掉,一半是上下文太长,一半是压缩把动作也压没了。典型症状是摘要里写着停在第三扇门,却丢了这是哪一段、谁在什么时刻看到的。记忆管理的关键不是压得多短,而是每次压缩都保住动作、结果、来源三件套,宁可长一点,不要把来由压成空壳。

一、痛点:同上和结果抄录把上下文压成空壳

长对话里 Agent 的记忆压缩策略,常见三种事故。第一种,同上代指:上一轮说过的动作,这一轮摘要里写同上,看起来省了字,实际上把摘要单独抽出来时,谁也不知道同上指的是什么。第二种,抄结果不抄动作:压缩的人为了版面整齐,把关键结果句抄进前面几轮的摘要里,动作栏却留着原来的占位词,结果一列看着都有字,动作一列全是空的。第三种,借时间:整段对话发生在同一天,压缩稿就给每一条记录盖上同一个日期,事后根本分不清哪条是上午看到的、哪条是傍晚补记的。

这三种事故有个共同点:缩略图上整整齐齐,原件上到处是洞。结果没有动作垫底,就不知道第三扇门是哪一段看到的;日期是整段共用的,就不知道这个结果属于哪次执行。

二、压缩粒度:什么必须留,什么可以摘

压缩上下文之前,先给每条记忆分个类,不同类别保不同的字段:

记忆条目类型 压缩方式 必须保留的字段 可以省略的内容
执行记录 保留骨架,删过程 动作、结果、执行人、时刻 中间尝试的冗余步骤
结论性判断 整句保留 判断原文、依据的哪条记录 判断产生时的讨论过程
同上类引用 展开成完整句子 展开后的动作和来源 同上这个代指词本身
时间信息 精确到本条 本条自己的时刻 借用的会话开始时间

一个实操细节:压缩稿里出现同上、前述、参考上一条这类代指时,必须在同一次压缩里把被引用的内容展开成完整句子,不许把代指留给下一轮压缩去猜。代指是压缩链上最危险的一环,代着代着,原始动作就消失了。

另一个细节:结果句不许单独放大。原文说停在第三扇门,动作只到走廊这一段,压缩时就不能写成整栋都检查完。把结果放大成结论,等于替 Agent 编造了它没做过的动作,后续基于这条记忆做决策时,错误会一级一级传下去。

三、时间戳与会话归属:别把签退时间当观察时刻

时间字段是压缩里最容易被借走的东西。整段对话的结束时间、会话的关闭时间、批次的导出时间,都像整齐划一的印章,看着像每一条记忆的时刻,其实都不是。规矩是:时刻必须是这条记忆自己产生时的,会话结束时间退回页眉位置,只说明这轮对话何时收尾,不许填进任何一条记忆的时间栏。

判断方法很简单:把页眉上那个整齐的时间盖住,看每条记忆还有没有自己的时刻。盖住之后立刻空掉的,就是借来的时刻,改回待补,不要留着充数。

四、长期记忆写入:待补条目不许写成已核对

压缩完成后往长期记忆库写,三条纪律:第一,只写动作、结果、执行人、时刻四件齐全的条目,缺一件的留在本轮会话里标待补,不进长期库。第二,待补条目原样附在本轮记录后面,留给下一轮执行时补齐,但绝不写成已核对。第三,新条目加在记录末行,重新写全动作和结果,不许在旧结论上补一个章就当成新记录。

对内留四个数:本轮记忆条数、四件齐全的条数、只有结果或只有判断的条数、完全空白的条数。四个数分开留,不并成一句记忆已整理好。对外只说四件齐全的那几条分别记录了什么。

压多长算够,没有统一答案,但有个可操作的经验值:单轮记忆入库前,先问这条记忆将来会被谁引用。会被检索召回的记忆,动作和来源必须写全;只在本轮对话里过渡一次的中间结果,可以大胆压。最怕的是一刀切——全压,关键动作丢了;全留,上下文又爆了。按引用概率分层压缩,是比设定统一 token 上限更实用的做法。

还有一个实操细节:压缩产生的摘要和原始记录要分开存。摘要进向量库供检索,原始记录留在会话历史里,靠一个引用编号互相对应。召回到摘要后,Agent 应该能顺着编号翻出原始动作,而不是把摘要当成全部事实。我见过不少系统压缩完就删原文,摘要在长链推理里被反复转述两三轮,最后谁也说不清最初看到的是什么——删原文这一步,等于主动放弃了纠错的退路。结论上下文压缩的目标不是省 token 省到极致,而是让抽出来的每一条记忆单独成立。动作、结果、来源、时刻四件齐全的才算数,同上代指和借来的时间都要在压缩这一步就地展开。下次清理长对话摘要时,先把页眉那个整齐日期盖住,逐条问一句:这条记忆没有上下文,还站得住吗。站不住的,先展开再入库。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证,不要把示例阈值直接当生产策略。 相关:风控体检 · 方案资源

常见问题 FAQ

什么是学习超级智能?

「学习超级智能」可概括为:Agent的记忆爆掉,一半是上下文太长,一半是压缩把动作也压没了。典型症状是摘要里写着停在第三扇门,却丢了这是哪一段、谁在什么时刻看到的。记忆管理的关键不是压得多短,而是每次压缩都保住动作、结果、来源三件套,宁可长一点,不要把来由压成空壳。 本文从定义、方法与实践要点展开说明。

为什么要关注学习超级智能?

关注学习超级智能,是因为它直接影响效率、风险与可复制性。文中指出:长对话里 Agent 的记忆压缩策略,常见三种事故。第一种,同上代指:上一轮说过的动作,这一轮摘要里写同上,看起来省了字,实际上把摘要单独抽出来时,谁也不知道同上指的是什么。第二种,抄结果不抄动作:压缩的人为了版面整齐,把关键结果句抄进前面几轮的摘要里,动作栏却留着原来的占位词,结果一列看着都有字,动作一列全是空的。第三种,借时间:整段对话发生在同一天,压缩稿就给每一条记录盖上同一个日期,事后根本分不清哪条是上午看到的、哪条是傍晚补记的。

如何落地学习超级智能?有哪些关键步骤?

可按本文结构落地学习超级智能:1) 一、痛点:同上和结果抄录把上下文压成空壳 → 2) 二、压缩粒度:什么必须留,什么可以摘 → 3) 三、时间戳与会话归属:别把签退时间当观察时刻 → 4) 四、长期记忆写入:待补条目不许写成已核对。每一步先定义目标与验收标准再扩大范围。

学习超级智能适合哪些人或团队?

学习超级智能更适合:产品/技术负责人、运营与增长团队、需要落地智能体或自动化的中小团队、关注「学习超级智能」方向的读者。若你只需要单次聊天式问答,可先读概念;若要上生产,请重点看步骤、权限与风控相关段落。

关于「一、痛点:同上和结果抄录把上下文压成空壳」,本文给出了什么结论?

在「一、痛点:同上和结果抄录把上下文压成空壳」部分,要点是:共同点:缩略图上整整齐齐,原件上到处是洞。结果没有动作垫底,就不知道第三扇门是哪一段看到的;日期是整段共用的,就不知道这个结果属于哪次执行。 二、压缩粒度:什么必须留,什么可以摘 压缩上下文之前,先给每条记忆分个类,不同类别保不同的字段: 记忆条目类型压缩方式必须保留的字段可以省略的内容执行记录保留骨架,删过程动作、结果、执行人、时刻中间尝试的冗余步骤结论性判断整句保留判断原文、依据的哪条记录判断产生时的讨论过程同上类引用展开成完整句子

关于「二、压缩粒度:什么必须留,什么可以摘」,本文给出了什么结论?

在「二、压缩粒度:什么必须留,什么可以摘」部分,要点是:多长算够,没有统一答案,但有个可操作的经验值:单轮记忆入库前,先问这条记忆将来会被谁引用。会被检索召回的记忆,动作和来源必须写全;只在本轮对话里过渡一次的中间结果,可以大胆压。最怕的是一刀切——全压,关键动作丢了;全留,上下文又爆了。按引用概率分层压缩,是比设定统一 token 上限更实用的做法。 还有一个实操细节:压缩产生的摘要和原始记录要分开存。摘要进向量库供检索,原始记录留在会话历史里,靠一个引用编号互相对应。召回到摘要后,Age

这篇看完可以接着做:按这篇去验收、办公核对、工作灵感、发出前验收、试一版稿。