智能体记忆应该有动词，而不仅仅是存储

我经常看到智能体记忆被框定为存储问题：向量数据库、markdown文件、MCP、更大的上下文、更好的重新排序器等。我认为这种框架一直忽略了令人烦恼的部分。难点不仅仅是“智能体以后能否检索到这些信息？”更像是：当记忆被召回时，它被允许做什么？一个过时的计划不应该与一个新鲜的决定具有同等效力。一个猜测不应该回来时伪装成事实。一个临时的任务笔记不应该成为永久的人格。一个修正应该能够降级它修正的那个东西。这就是许多记忆系统让我感到奇怪的地方。它们记住了更多，但所有记忆都以同样的权威返回，所以智能体变得更自信的同时却更不踏实。我一直回想的版本是带有类型化角色和生命周期的记忆： - 事实可以用于提供信息 - 未完成任务可以吸引注意力 - 修正可以削弱旧痕迹 - 决策可以约束未来计划 - 临时上下文可以过期 也许存储层不如附加在记忆上的动词重要。如果“记忆”只是检索到的文本，模型仍然需要决定该文本意味着什么。如果记忆具有角色、来源、新鲜度和权威级别，那么智能体就有机会不把每一个旧笔记都当作真理。好奇这里的人是在用显式状态机、图记忆、版本化笔记、事件日志来解决这个问题，还是仅仅接受模型必须在运行时推理出来。