AI agent记忆教程通常从选embedding模型、搭建向量数据库、分块、调检索开始。但作者审视自己要解决的问题后发现，很多场景并不需要这套复杂流程。
他区分了两类记忆：语义记忆（向量检索，用于模糊搜索大量文本）和命名记忆（键值存取，用于按名称记住具体事实）。agent在实际使用中最常失败的地方是“记住上一会话告诉它的具体信息”，比如项目选Postgres、部署脚本是什么——这些是命名事实，不是语义搜索。
如果问题确实是在非结构化语料中做模糊检索，向量数据库是正确的工具。但如果只是保存和读取命名的事实与共享状态，一个带TTL的键值存储就足够，可以免去embedding、调索引、跑额外基础设施的麻烦。
作者按此推理构建了一个无向量数据库、无embedding、无模型参与的agent记忆API，关键在于跨agent共享状态时的命名空间、作用域、权限模型。他也坦承设计的局限：不支持语义检索，且缺少记忆生命周期管理（标记事实为已废弃而非删除），这是下一步计划。
#开发者 #工具 #AI #Agent #记忆 #向量数据库 #键值存储 #LLM
@DevToolboxHub