> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/agentic_ai_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/agentic_ai_guide/di-yi-bu-fen-dan-ti-zhi-neng-jia-gou/03_memory/summary.md).

# 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 OpenAI Dreaming 这类真实产品案例和 autoDream 这类工程示意，帮助理解后台记忆整合如何服务于新鲜度、连续性与相关性，而不是把某个示意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)