你的Agent能調(diào)取過去6個(gè)月的全部會(huì)議記錄，卻在回答項(xiàng)目 deadline 時(shí)，把昨天剛敲定的關(guān)鍵節(jié)點(diǎn)埋在3月的幾十條無關(guān)狀態(tài)更新下面。

技術(shù)上全對(duì)，體驗(yàn)上全廢。這是大多數(shù)Agent的通病——除非你有意識(shí)地設(shè)計(jì)檢索邏輯。

斯坦福的25個(gè)虛擬人，把記憶問題演成了行為藝術(shù)

斯坦福研究團(tuán)隊(duì)構(gòu)建"生成式智能體（Generative Agents）"時(shí)，給虛擬小鎮(zhèn)塞了25個(gè)模擬角色。每個(gè)Agent能存儲(chǔ)數(shù)千條觀察記錄，但問到"接下來該做什么"時(shí)，系統(tǒng)只靠關(guān)鍵詞隨機(jī)檢索。

結(jié)果出現(xiàn)荒誕循環(huán)：同一個(gè)Agent連續(xù)五次走進(jìn)咖啡館，因?yàn)橛洃浵到y(tǒng)分不清"我五分鐘前剛喝過"和"我一般午飯時(shí)間來"。

研究團(tuán)隊(duì)用三個(gè)評(píng)分維度破解了這個(gè)困局：時(shí)效性（recency）——這件事何時(shí)發(fā)生；重要性（importance）——這件事有多關(guān)鍵；相關(guān)性（relevance）——與當(dāng)前處境的關(guān)聯(lián)程度。

Amazon Bedrock AgentCore 現(xiàn)在把這套機(jī)制封裝成企業(yè)級(jí)基礎(chǔ)設(shè)施。但為什么這些維度有效、如何配置，得回到那項(xiàng)研究的具體設(shè)計(jì)里找答案。

上下文窗口越大，幻覺越隱蔽

大語(yǔ)言模型能處理極長(zhǎng)的上下文，但這能力本身是個(gè)陷阱。企業(yè)常誤以為：給Agent完整的對(duì)話歷史和知識(shí)庫(kù)，就能產(chǎn)出智能行為。實(shí)際運(yùn)行中，這套邏輯頻頻翻車。

想象一個(gè)客服場(chǎng)景：用戶提到三個(gè)月前的賬單問題、詢問當(dāng)前的功能需求、還想約個(gè)電話。Agent的記憶庫(kù)里躺著數(shù)千條交互記錄，涵蓋賬單糾紛、功能反饋、日程沖突、甚至上周閑聊時(shí)提的咖啡偏好。

沒有評(píng)分機(jī)制的Agent，把所有記憶視為同等重要。上下文窗口被最近存儲(chǔ)的內(nèi)容或基礎(chǔ)關(guān)鍵詞匹配填滿——它可能調(diào)取用戶上周隨口說的拿鐵口味，卻漏掉需要立即處理的賬單升級(jí)模式。

斯坦福的研究把這種失效模式量化呈現(xiàn)了。模擬角色Klaus Mueller被問到"推薦誰(shuí)一起度過時(shí)間"時(shí)，無評(píng)分版本的系統(tǒng)選了Wolfgang，僅僅因?yàn)檫@個(gè)名字在近期觀察中出現(xiàn)頻率高。實(shí)際上，兩人從未有過實(shí)質(zhì)性交流。

他們只是住在同一街區(qū)。

三個(gè)維度如何改寫檢索邏輯

引入三維評(píng)分后，同一問題的輸出完全不同。時(shí)效性壓低三個(gè)月前的舊記錄權(quán)重，重要性把賬單糾紛標(biāo)記為高優(yōu)先級(jí)，相關(guān)性確保功能需求和日程安排進(jìn)入候選集。

Bedrock AgentCore 的實(shí)現(xiàn)允許開發(fā)者自定義各維度權(quán)重?？头?chǎng)景可能調(diào)高時(shí)效性和重要性，法律文檔分析可能側(cè)重相關(guān)性和重要性，創(chuàng)意寫作助手或許給時(shí)效性更低權(quán)重以保留長(zhǎng)期靈感。

這種靈活性對(duì)應(yīng)著斯坦福研究的核心發(fā)現(xiàn)：記憶的價(jià)值不是存儲(chǔ)本身，而是檢索時(shí)的決策質(zhì)量。

研究團(tuán)隊(duì)記錄了一個(gè)典型對(duì)比。無評(píng)分系統(tǒng)中，Agent Maria在虛擬小鎮(zhèn)連續(xù)三天去同一家餐廳，因?yàn)?餐廳"關(guān)鍵詞高頻出現(xiàn)且近期有記錄。引入三維評(píng)分后，Maria開始根據(jù)當(dāng)天心情、社交關(guān)系變化、甚至天氣選擇不同場(chǎng)所——行為模式從機(jī)械重復(fù)轉(zhuǎn)向情境適應(yīng)。

企業(yè)部署時(shí)的真實(shí)權(quán)衡

Bedrock AgentCore 把這套機(jī)制打包成可配置模塊，但企業(yè)落地時(shí)面臨具體選擇。時(shí)效性權(quán)重過高，Agent變成"金魚記憶"，反復(fù)詢問剛確認(rèn)過的信息；重要性權(quán)重過高，可能固化早期形成的偏見判斷；相關(guān)性算法設(shè)計(jì)不當(dāng)，會(huì)制造"信息繭房"，只檢索與當(dāng)前查詢字面匹配的內(nèi)容。

AWS 官方文檔建議從均等權(quán)重起步，根據(jù)實(shí)際對(duì)話日志迭代調(diào)整。一個(gè)被驗(yàn)證的模式是：客服場(chǎng)景時(shí)效性40%、重要性35%、相關(guān)性25%；知識(shí)庫(kù)問答場(chǎng)景調(diào)整為時(shí)效性20%、重要性30%、相關(guān)性50%。

這些數(shù)字不是最佳實(shí)踐，而是調(diào)試起點(diǎn)。每個(gè)業(yè)務(wù)場(chǎng)景的"重要"定義不同——賬單糾紛在SaaS公司是P0，在內(nèi)容平臺(tái)可能是P2。

斯坦福研究的25個(gè)虛擬人跑了兩天模擬，產(chǎn)生數(shù)萬(wàn)條交互記錄。Bedrock AgentCore 面對(duì)的是真實(shí)企業(yè)的百萬(wàn)級(jí)會(huì)話。規(guī)模差異意味著評(píng)分算法需要更精細(xì)的工程優(yōu)化，但底層邏輯沒變：讓Agent"記得"不如讓它"記得該記的"。

當(dāng)Klaus Mueller最終推薦了一位真正有過深度交流的角色時(shí)，研究團(tuán)隊(duì)記錄了他的檢索日志：時(shí)效性過濾掉兩周前的表面寒暄，重要性保留了那次關(guān)于職業(yè)焦慮的長(zhǎng)談，相關(guān)性確認(rèn)了對(duì)方當(dāng)前的時(shí)間可用性。

三個(gè)維度的乘積，決定了一條記憶是否值得被想起。你的Agent現(xiàn)在擁有同樣的計(jì)算框架——問題是，你準(zhǔn)備讓它記住什么、又忘記什么？