第 23 章 长期记忆集成

本章导读：用户在第 3 次会话里说的偏好，Agent 在第 10 次会话还记得吗？这就是长期记忆要解决的问题。本章讲清 LongTermMemory 统一接口、三种官方实现的选型，以及它们与第 14 章 Harness 内置记忆的分工。选好之后，各实现的初始化参数与检索增强特性见在线文档。

先分清：与第 14 章的分工

第 14 章的 Harness 内置记忆基于工作区文件、由框架内置 hook 维护；本章的三种实现走外部服务路线——记忆的抽取与检索交给所选后端。判断依据：需要与工作区强绑定、随 Workspace 版本管理的记忆用内置记忆；需要跨 Agent 共享、依赖专业记忆服务（语义去重、rerank、轨迹摘要）的场景用本章的外部实现。

三种实现怎么选

io.agentscope.core.memory.LongTermMemory 是统一接口，三种实现经 ReActAgent.builder().longTermMemory(...) 直接挂入：

选型一句话导航：

• 本地一把 docker run 跑起来 → Mem0 或 ReMe；
• 已在阿里云百炼上有记忆库 → Bailian；
• 需要 metadata 过滤（按业务维度切分记忆）→ Mem0；
• 关注会话轨迹整体摘要而非单条事实 → ReMe。

接入方式都是同一套

ReActAgent agent = ReActAgent.builder()
    .name("Assistant")
    .model(model)
    .longTermMemory(memory)                       // 任选一种实现
    .longTermMemoryMode(LongTermMemoryMode.BOTH)  // 同时记录与检索
    .build();

longTermMemoryMode 决定记录与检索的组合（只记不查、只查不记、两者都开）。每个实现仅在初始化参数和过滤模型上有差异，对 Agent 侧透明。

一个容易被忽略的边界：外部记忆服务保存的是"模型认为值得记的内容"，抽取质量取决于后端的策略——把记忆当作可观测的数据而不是黑盒，定期审查记了什么、检索召回是否合理，是运营工作的一部分（评测方法与第 38 章的评估纪律一致：金标只用于判分）。

各实现的依赖、初始化、三层 ID 与 metadata 过滤的逐步配置见在线文档 docs/integration/memory/ 对应小节。

本章小结

1. 外部长期记忆与 Harness 内置记忆是分工不是替代：前者跨 Agent 共享、后端专业，后者随工作区走；
2. 三种实现同一接口同一用法，选型看隔离粒度（多租户/workspace）与检索增强需求；
3. 记忆抽取质量取决于后端策略，需要当作可观测数据运营。