AI Agent 可以没有“记忆”吗？
Agent 不再依赖“上下文”，而是 “用计算复杂度替代记忆复杂度”
一、为什么需要用计算复杂度替代记忆复杂度
- 长期存储成本或隐私成本高时，希望通过即时重算来避免长期持久化
- 云端或边缘算力变得便宜时，用多点计算换取小的内存占用有吸引力
- 在某些任务里，完整历史并非总被访问，按需重算可以避免为冷数据维持热存储
二、适合哪些场景
适合的场景有一个共同特征：上下文规模随时间膨胀，但真正被访问、影响决策的部分很窄，且访问频率低或不可预测。
| 历史长度 | 访问频率 | 精度 / 可复现要求 | 推荐方式 | 典型实现手段 | 典型场景 |
|---|---|---|---|---|---|
| 长 | 低 | 低 | 计算优先 | 全量重算、临时推理、无持久化记忆 | 一次性长文档分析、探索式研究、日志粗筛 |
| 长 | 低 | 中 | 计算 + 摘要 | 流式语义摘要、按需回放、窗口重算 | 长对话摘要、用户状态跟踪、观察型 agent |
| 长 | 中 | 中 | 分层策略 | 冷热分离、分块索引、局部重算 | 助理型 agent、复杂任务分解 |
| 长 | 中 | 高 | 记忆 + 索引 | 稳定存储、精细索引、可重放历史 | 项目管理、知识型协作系统 |
| 中 | 高 | 高 | 记忆优先 | 强一致存储、版本化、检查点 | 决策支持、策略执行系统 |
| 短 | 高 | 高 | 记忆优先 | 全量上下文保留、严格复现 | 金融、合规、自动化控制 |
| 短 | 低 | 低 | 计算优先 | 即算即弃、无状态推理 | 简单问答、临时分析 |