长时间运行的AI智能体不会耗尽上下文——它们的记忆变得陈旧且自相矛盾。你们如何处理这个问题？

我一直在构建一个在生产环境中连续运行的AI智能体（不是演示），而我不断遇到的失败模式不是上下文耗尽——而是上下文变得错误。旧的事实被当作当前信息，更正不能可靠地覆盖被更正的内容，到了第六个小时，智能体自信地基于已经修复的内容行事。更大的上下文窗口并不能解决这个问题——它仍然是RAM，而不是存储。我没有看到太多讨论的部分是检索/向量搜索：一旦某事被存储，你怎么知道它仍然可信？如果某个决策后来被证明是错误的，你的智能体记忆是否真的停止将旧版本视为真实，还是只是添加新行并希望检索倾向于正确的一个？我好奇这里的人们如何实际处理运行时间超过单个会话的智能体——什么是真实的，什么只是掩盖问题。