12. 上下文、摘要和长期记忆不是一回事

上下文是本次模型调用可以直接看到的内容。摘要是运行时从一段历史中压缩出的新内容。长期记忆则保存在模型调用之外，需要检索后重新进入上下文。

三者的边界如下：

类型	是否直接可见	生命周期	主要风险
当前上下文	是	单次调用	超过窗口、成本增长
会话摘要	被加入后可见	当前会话或恢复期	遗漏与错误归纳
长期记忆	否，需检索	跨会话	过期、污染、越界

“项目使用 Zola”只有附带来源、时间和范围，才能在以后判断是否仍适用。

用户偏好、项目事实、一次故障结论和工具使用方法也不应放进同一类记忆。它们的更新频率和适用范围不同。

有损转换表示压缩后无法从结果完整恢复原文。摘要生成得再流畅，也可能删掉一个禁止条件、失败重试或未完成步骤。

因此摘要应保留指向原始事件范围的引用。恢复时若出现冲突，可以回读原始轨迹，而不是继续基于摘要猜测。

先保存一条“项目使用 Python 3.11”，随后把项目配置改成 Python 3.13。再启动新会话，观察：

如果 Agent 直接采用旧值，问题不在模型记忆能力，而在记忆系统缺少失效策略。

工具读取的网页含有操作性指令，若摘要器把它写成长期偏好，攻击会跨会话存在。记忆写入需要来源信任检查，记忆读取后仍要作为低信任数据处理。

长期保存不会提高内容权威。它只延长了内容存在的时间。

测试时隔离了部分技能和扩展，数据适合分析核心 Prompt 与工具循环，不适合比较四款 CLI 的长期记忆质量。因此本文描述的是后续运行时实验设计，不把未观察到的功能写成产品结论。

一套可检查的记忆系统应让每条事实回答三个问题：从哪里来、在哪里有效、什么时候失效。

（采用 CC BY-NC-SA 4.0 许可协议进行授权）

本文标题:12. 上下文、摘要和长期记忆不是一回事