本章小结
本章构建了智能体的记忆系统架构，从仿生的认知模型出发，详细讲解了短期记忆管理、长期记忆存储以及高级的检索增强技术。记忆让智能体不再是无状态的对话机器，而是具备了持续学习和个性化能力的智能伙伴。
核心要点回顾
认知模型：区分短期记忆与长期记忆（情景/语义），模拟人类记忆机制，是设计高效记忆系统的前提。
向量数据库：作为长期记忆的物理载体，需根据数据规模、实时性要求和运维成本选择合适的数据库（如托管型、开源自托管型、嵌入式本地型等）。
RAG 进阶：单纯的向量检索往往不够，文档切分、混合检索（关键词+向量）、重排序 (Re-ranking) 等技术能显著提升记忆检索的准确性和相关性。
图记忆：引入知识图谱，赋予智能体结构化知识和关系推理能力，弥补了纯向量检索在复杂逻辑推理上的不足。
上下文工程：在有限 Token 限制下，通过滑动窗口、摘要压缩、动态分配等策略，最大化上下文的信息价值，是工程落地的关键能力。
下一步
掌握了记忆系统后，智能体已经具备了大脑（规划）和记忆（知识）。下一章将探讨智能体如何通过 工具使用 来扩展能力边界，真正具备改变世界的能力。
下一章: 第四章：工具使用与环境交互
Last updated