# 本章小结

本章讨论的不是“给 Agent 接一个向量库”这么简单，而是把记忆拆成多个相互制约的层：工作记忆负责当前窗口里的有效信息，长期记忆负责跨会话保留事实与经历，检索与图结构负责把这些内容正确组织起来，而上下文工程负责把它们与提示词、工具和安全约束整合成可运行系统。章节主线并非单向流水线，而是围绕同一个问题反复收束：**什么该记住、怎样记住、何时取回、如何避免取错。**

## 关键概念清单

* **认知模型**：参数记忆、非参数记忆，以及感官/工作/长期记忆的分层框架
* **工作记忆管理**：上下文窗口并不等于“越长越好”，关键是预算、排序、压缩与取舍
* **长期记忆底座**：向量数据库重要，但它只是存储与召回的一部分，不等于完整记忆系统
* **检索与图结构**：RAG 解决“找回来”，知识图谱补上关系、时序与结构表达
* **上下文工程**：把记忆、工具、提示词和安全约束组织成统一执行面
* **案例研究**：以 autoDream 这类后台记忆整合案例帮助理解系统设计思路，而不是把某个案例写成既成的通用官方实现

## 下一步

掌握了记忆系统后，智能体才算具备了“知道什么该带在身上、什么该存起来、什么时候再取回来”的能力。下一章会继续讨论工具使用与环境交互，也就是当 Agent 不只要“记得住”，还要“做得到”时，系统边界如何继续向外扩展。

***

**下一章**: [第四章：工具使用与环境交互](/agentic_ai_guide/di-yi-bu-fen-dan-ti-zhi-neng-jia-gou/04_tools.md)


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://yeasy.gitbook.io/agentic_ai_guide/di-yi-bu-fen-dan-ti-zhi-neng-jia-gou/03_memory/summary.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.