AI Agent 長期記憶怎麼做？我做了上千小時才懂，記憶不是越多越好

AI Agent 的長期記憶，我現在的做法是把「這輪對話」、「存下來的記憶檔」和「需要時才去查的歷史資料」分開管，只把會影響做事的資訊放進常駐記憶，像行程、帳本、做事規則和重要決定。口味這類小偏好，記錯了我就先放著。我自己做 AI Agent 花了上千小時，踩過記太多讓它變囉嗦、上下文變貴的坑，記憶越多越好這件事在我身上沒成立過。

如果你還不太確定 AI Agent 是什麼，可以先看AI Agent 是什麼，再回來看這篇會比較好懂。

先分清楚三種記憶

很多人說「讓 Agent 有記憶」，講的其實混了好幾種東西。我在 AI Agent 自學網的免費課〈打造自己的第二大腦〉裡，會先請大家把這三種分開。

種類	存在哪	什麼時候會消失	我拿來放什麼
這輪對話的上下文	模型當下看得到的內容	對話結束或重啟	正在做的這件事
存下來的記憶檔	檔案或資料庫	自己刪掉才會消失	做事規則、重要決定、長期偏好
歷史檢索	過去的對話與資料	不會自動進上下文	很久以前的細節，要用時才查

這三種分清楚之後，很多問題就有地方放了。像「上次那份報價寫了什麼」這種事，放進歷史檢索就好，用不著每次對話都帶著它。

我想讓它記住所有喜好，結果放棄了

我開始做的時候，也以為「懂我」就是不能說錯，所有喜好都要記住。

後來我的 Agent 很愛拿杯溫水給我，可能跟我用的是亞洲的開源模型有關，它特別喜歡給溫水。但我更喜歡涼水、冰水。

這要怎麼修？強制把喜好塞進上下文？還是讓它每次講話前先查一遍我的喜好清單？喜歡冰水、討厭溫水、喜歡冰咖啡、討厭蔥、討厭洋蔥、討厭韭菜，這樣寫下去可以寫到幾千字。

每多寫一條，每次對話都要多付一點 token，模型也不一定照做。我最後決定，記住重要的事，沒那麼重要的就算了，畢竟我也喝不到那杯水。

記住了，也要想好什麼時候該停

有一天我忘了吃藥，之後我的 Agent 就天天提醒我吃藥，很像老媽。我覺得有點煩，但又懶得改，結果某天還是真的忘了吃。

我自己的體會是，會觸發行動的記憶，比單純的資料更要設計。它什麼時候該提醒、提醒到什麼時候為止、我回覆之後要不要改狀態，這些都要自己想。

不論是個人的事、公司的事、客戶的事，最後都跟記憶有關。什麼時候該記、記哪些、怎麼查、什麼時候該查，每個人需要的都不一樣，這也是自己做 Agent 最有意思的地方。

什麼該記、什麼可以不記

這是我現在自己的判斷方式，你可以拿去改成自己的版本。

會放進常駐記憶	存起來需要再查	我直接放下
做事的規則與禁止事項	過去的對話細節	隨口一提的小口味
已經拍板的決定	舊版本的資料	模型改不掉的小習慣
長期在用的資料位置	一次性的任務紀錄	說錯也不影響結果的事

判斷的問題只有一個，這件事記錯了，會不會讓 Agent 做錯事？會就記，不會就存著或放下。

還有一點，存下來的東西會過期。文章素材裡的價格改了，舊筆記找得到也不能照用。所以我會在記憶旁邊留日期，用之前先確認還適用。

讓 Agent 自己記，再加一道審核

要讓 AI Agent 記住事情並不難，只要它能寫入檔案，你叫它記，它就會寫。

難的是讓它自己主動記，而且不越搞越亂。我花了上千小時後，覺得最有效的做法是讓 Agent 有一個自己成長的循環，適當放權讓它多記，再設計一個審核的機制，替它記下來的東西把關。

要講清楚的是，做了自我成長之後，久了它也會漸漸像黑箱，我不一定說得出它為什麼這樣回。如果你需要的是穩定，就先別做成長，或是把審核規則調得嚴一點。

比聊天更有用的記憶，是行事曆和帳本

Agent 懂你多少，看的是它手上有多少你的資料。只跟它聊天，它知道的就只有你說過的那幾句。

我後來把行事曆和帳本接進去。跟它說每週一要開會，它就建好循環行程，下週那次要延後，也只改那一次。說「今天午餐一百二，現金」，它就記進帳本，說錯了直接更正，不會多記一筆。

這兩份資料我放在自己的電腦和自己做的系統裡，也可以搭配本機跑的開源模型，回答問題時資料不用經過雲端。想走這條路可以看地端 AI Agent 怎麼開始。

記憶也要省，開源模型才跑得動

我後來把開發上千小時的舊 Agent 退役，重做了一個新的。重做時我最在意的一件事，就是上下文怎麼省。

工具和說明都盡量精簡，用得到的時候才載入。記憶也一樣，常駐的只放少少幾條，其他的等需要再查。這樣即使用開源模型，不配最前沿的模型，也比較跑得動。

舊的那隻什麼都想做，很多系統只用過一次。這段經驗我寫在自製 AI Agent 700 小時的心得裡，記憶系統也是同一個道理，只做用得到的。

現成的記憶工具，可以等做過一次再挑

網路上有很多不同流派的記憶系統。像開源的 agentmemory（GitHub 上搜 rohitg00/agentmemory），是給寫程式的 AI Agent 用的本地記憶伺服器，會記下 Agent 的操作，用關鍵字加向量的混合搜尋找回來，支援 Claude Code、Codex CLI 這類工具，透過 MCP 或 hook 接上去。另外也有 mem0 這類記憶工具。

我的建議是先自己做一次簡單版。你親自用過，才知道自己最在乎的是哪一點，是記得準、記得省，還是資料留在自己手上，之後再去找同類產品比較，會挑得比較準。這個順序不只適用記憶工具，挑任何 Agent 功能都可以這樣做。

從一份找得回來的資料開始

如果你現在就想動手，我在免費課裡給的練習很簡單。先挑一件你常做的事，像寫文章或整理報價，然後跑一遍下面四步。

1. 留下，記下資料的位置、用途和日期。
2. 找回，找出能回答目前問題的那一段原文。
3. 使用，用之前先確認內容還適用。
4. 更新，標出過期或變動的部分。

做完之後問自己，下次做這件事，我會先找哪一份資料？如果答案還是全部丟進去，就再縮小一次範圍。資料要怎麼寫才讓 AI 好讀，可以參考如何讓 AI 讀懂我的筆記。

先做一個記得住重點的 Agent

我花了很多時間才接受，Agent 記不住每一杯水的溫度，也沒關係。記住會影響做事的那幾件事，其他的交給檢索和審核，它反而用得比較順。

你的需求跟我不一定一樣，記憶要怎麼設計，最好自己做一次才知道。這些我都整理在 AI Agent 自學網，從免費課就能開始做出自己的 Agent。