上下文问题的本质：信息太多 + 证据太少
多数“Agent 失控”不是因为模型不聪明，而是因为：
- 上下文膨胀：塞太多，成本和噪声都上升
- 证据缺失：关键事实没被检索到，只能凭空猜
所以记忆管理的目标不是“存更多”，而是“让证据可得、可引用、可更新”。
记忆分层：至少分三层
建议你把记忆分成三种（分别用不同策略存与取）：
- 短期（session）：本次任务临时信息，任务结束就丢
- 任务（task）：这个任务的中间状态、工具输出、关键决策
- 长期（long-term）：跨任务复用的偏好、规范、知识索引
如果你把它们混在一起，会出现：
- 个人偏好污染任务证据
- 旧任务状态影响新任务结论
摘要策略：不要把全文放进 prompt
建议对“长文本/长日志/长 diff”走两步：
- 先做结构化摘要（可评测）
- 需要细节时再做定点引用（检索到原文片段）
结构化摘要例子：
{
"topic": "incident_summary",
"key_events": ["..."],
"root_cause_hypotheses": ["..."],
"evidence_needed": ["..."],
"next_actions": ["..."]
}
检索与引用：输出必须带证据
当你做“长期记忆”或“知识索引”，你需要强制一个规则：
- 结论必须带引用（source id / url / file path / snippet）
否则它就会退化成“看起来很对但无法验证”的文本生成。
更新与遗忘：长期记忆必须可替换
长期记忆不是“越积越多”。你要有：
- TTL 或版本：旧规范过期就淘汰
- 冲突策略：新旧偏好冲突时以哪个为准
- 删除接口：允许显式删除错误记忆
动手做：一个可控的“记忆读取协议”
让 Agent 读记忆时，不要直接把记忆全文塞进去，而是：
- 先检索：只取 top-k 片段
- 再压缩：把片段压成结构化要点
- 再生成：基于要点 + 引用生成输出
这样你就能：
- 控制 token 成本
- 保留证据链
- 让评测更容易（要点与引用可比较）
工程化清单
- 记忆分层：session/task/long-term
- 长文本先摘要再引用，不直接全塞
- 输出带引用，支持验证
- 长期记忆可更新可删除，有版本/TTL
常见坑
- 把“偏好”当成“事实”：长期污染输出
- 只存不取：记忆系统没有检索策略就是摆设
- 不带引用：无法评测、无法排障
下一篇：Evals：为 Skill 建立回归集与评分规则。