Agent 记忆压缩方法梳理（完整版 + 面试精简版）一、全维度技术分类 & 原理、特点、落地场景（一）丢弃 / 保留

一、全维度技术分类 & 原理、特点、落地场景

核心：依据时间、重要性、访问频次直接剔除低价值记忆，不做内容改写。

滑动窗口原理：仅保留最近 N 轮对话 / 时间步，历史内容全部丢弃；衍生「重要窗口」，在窗口外额外留存全局关键信息。特点：轻量易实现，适合短会话任务；缺陷是完全丢失长期上下文。场景：在线客服、单轮代码调试、临时问答 Agent。
重要性 / 相关性打分原理：用小模型、LLM 或规则对记忆打分，低于阈值则丢弃；结合当前任务判断内容相关性。代表方案：斯坦福 Generative Agents 反思机制。落地技巧：大模型标注样本 + 微调轻量分类模型，降低推理成本。场景：通用陪伴、多轮交互 Agent。
遗忘曲线模型原理：模拟艾宾浩斯遗忘规律，记忆存活概率随时间、访问次数衰减，久未调用的非核心记忆优先淘汰。特点：更贴合人类记忆逻辑，自然度高。场景：教育 Agent、长期陪伴型智能体。

核心：不删除原始信息，将多条内容合并、凝练为精简文本，属于语义级压缩。

滚动摘要原理：上下文达到长度阈值时，LLM 生成全局摘要，用摘要替换原始历史，搭配近期对话组成新上下文。常规格式：系统提示 + 历史摘要 + 最新轮次对话。问题：摘要会持续变长，易丢失细粒度信息；优化方案：双层摘要（高层总结 + 时间戳关键事件）。
**分层摘要树（递归摘要，代表：MemGPT）**原理：记忆组织为树形结构，叶子节点 = 原始事件，父节点 = 子节点摘要，根节点 = 全局总览；内存不足时自底向上合并压缩，支持按需调取历史片段。特点：多粒度留存信息，可随机访问历史，区分冷热记忆。场景：长周期复杂任务、多场景交互 Agent。
专用压缩模型原理：训练独立压缩模型，将长文本转为固定长度向量 / 特殊 Token（Gist Token、AutoCompressors 思路），可直接被主 LLM 解析。特点：压缩比极高；缺点是需要额外训练，跨任务泛化能力弱。

本质：外部化存储 + 按需检索，间接压缩上下文长度，并非纯文本压缩。

基础流程记忆文本向量化 → 存入向量库；Agent 交互时，将当前请求作为查询，检索 Top-K 相似记忆，仅拼接检索结果进上下文。
增强压缩技巧
- 重排序：向量粗筛后，交叉编码器二次打分，进一步精简数量；
- MMR：剔除重复内容，提升信息密度；
- 时间衰减：结合时间权重降权老旧记忆；
**反思式压缩（Agent 专属）**原理：定时触发自我反思，提炼高阶结论，删除底层琐碎原始记忆（如提炼「用户不喜红色」，删除多条相关零散对话）。代表：Generative Agents、Voyager 游戏 Agent。场景：工业级长期运营 Agent、机器人 / 游戏智能体。

核心：修改 LLM 结构或上下文计算逻辑，从模型层实现记忆压缩。

**地标 Token（Landmark Tokens）**原理：新增专属特殊 Token，模型自主触发读写外部记忆矩阵，自动完成长序列压缩。
Transformer-XL 片段递归原理：缓存前序片段隐藏态，作为后续片段上下文，依托模型状态实现序列压缩。局限：跨任务、跨场景时效果下滑，Agent 场景落地少。

多数方案聚焦读取阶段，写入时预处理可大幅降低后续压力：

通用落地原则：行业主流为混合策略短期记忆：滑动窗口；中期记忆：滚动摘要；长期记忆：向量库 / 图数据库 + 结构化存储；配套写入预处理 + 定期记忆迭代（更新、降权、删除失效信息）。核心评估指标：上下文长度压缩≥80%，任务决策质量下降≤5%。

Agent 记忆压缩主流分为五大类，工业界多组合使用：

滑动窗口 + 重要性筛选最简单的方案，只保留最近若干轮对话，超出部分直接丢弃。同时用模型或规则给记忆打分，把高价值信息单独留存。优点是实现成本极低，适合短会话场景。
摘要类压缩分为普通滚动摘要和分层摘要。每隔一定轮次用大模型总结历史对话，精简上下文；进阶做法是做金字塔式分层摘要，避免摘要无限变长，适合长周期交互。
向量检索方案目前工业界长期记忆的主流。将历史记忆转为向量存入向量数据库，交互时只检索相关内容拼入上下文，大幅缩短输入长度。还可搭配重排序、时间衰减进一步优化。
专用压缩模型训练独立模型把长文本压缩成少量虚拟 Token 或向量，压缩效率很高，但需要额外训练，泛化性一般。
结构化记忆把对话抽取成实体、关系、时间三元组存入图数据库，用结构化数据替代长文本，体积更小且利于推理。

实际落地一般混搭：短期用滑动窗口保速度，中期靠摘要梳理脉络，长期用向量库 / 图库存事实，还要定期清理、更新过时记忆。

常见四类记忆压缩方法：

落地以混合方案为主，根据会话长短、任务类型灵活搭配。