最近在思考一個問題：為什麼長對話的 LLM agent 記憶系統做到後來都不好用？

明明把對話歷史存起來了，向量化了，能做相似度搜尋了，但 agent 還是常常記錯、漏記、或是找到一堆不相關的片段。

我覺得根本問題不是技術執行問題，而是設計哲學本身就錯了。

「撈記憶」這個模式的本質缺陷

傳統的 retrieve-then-reason 架構，邏輯是這樣的：先根據當前問題，去記憶庫裡撈最相近的片段，然後把撈到的東西塞進 context，再讓模型推理。

這個流程看起來合理，但有一個致命假設：「你在推理開始前就知道需要哪些記憶。」

這個假設在人類怎麼記憶這件事上根本不成立。嚴格來說，記憶是在思考過程中被「重建」的，不是被「提取」的。你在想一件事的時候，才會觸發相關記憶浮現，然後那段記憶又觸發另一段，整個過程是動態的、鏈狀的。

如果在推理開始前就要決定「要記哪些東西」，就等於強迫你在不知道要幹嘛之前先決定要用什麼工具。這是 static retrieval 的根本矛盾。

把記憶存成圖的想法

我自己實驗過一個方向：不要把記憶存成一堆向量，而是存成帶有結構的圖。

把每段記憶拆成三個層次：

• Cue（線索）：觸發這段記憶的關鍵詞或情境
• Tag（語義橋）：這段記憶跟哪些概念有關
• Content（內容本身）：實際的對話或事件

Tag 這一層是最重要的設計。它不是分類標籤，而是「語義橋接器」。同一個 tag 可以連接到完全不同的對話片段，讓原本看起來沒關係的記憶可以通過共享的 tag 被關聯起來。

這樣的結構讓記憶訪問變成一個可以「邊走邊決定的圖遍歷問題」，而不是一個「一次性的向量搜尋問題」。

推理本身變成記憶控制迴路

這裡有一個關鍵轉換，讓我覺得這個方向真正有意思的地方：

當記憶是圖結構的時候，agent 在推理每一步時，可以主動決定：要展開哪些節點、要剪掉哪些岔路。

這不是 retrieval 決定推理，而是推理在控制 retrieval。

舉個具體例子：agent 問「這個用戶上次提到的工作問題後來怎樣了？」

傳統做法：找跟「工作問題」最相似的向量，撈三筆，塞進去，然後推。

圖遍歷做法：從「工作問題」這個 cue 出發，發現有兩個 tag 連接到它，一個是「壓力」，一個是「時間管理」。走「壓力」這條路，發現連到另一段關於家庭的對話，這時候 agent 可以判斷「這個方向不相關，剪掉」，繼續走「時間管理」，找到更近期的一段對話說用戶換了工作。

這個過程裡，推理在引導記憶訪問，記憶訪問的結果又更新推理狀態。這才是真正的 memory-reasoning integration。

為什麼不能無限展開？

圖遍歷有一個很現實的問題：combinatorial explosion。

如果你有 1000 段記憶，每段有 5 個 tag，每個 tag 連到 10 個其他節點，那你展開幾層之後就是天文數字。

所以剪枝策略和展開預算設計很重要。我實驗的方向是讓 agent 維護一個「當前推理目標」，只展開跟這個目標相關的節點，並且對展開深度設置硬性限制。

嚴格來說，這其實是把 memory access 轉成了一個 constrained search 問題：在有限的 token budget 和展開步數內，找到最有用的記憶組合。

這比「撈最相似的 top-k」難實作，但效果好很多，特別是在那種「問題本身就很模糊，你不知道你要找什麼」的情境。

對現有架構的幾個省思

VectorDB + RAG 這條路我不是要否定它，在知識庫問答這個場景它非常適合。問題是很多人直接把這個架構搬到 agent memory，然後發現效果差，就以為是 embedding model 不夠好，或是 chunk 策略需要調整。

其實根本問題是：知識庫查詢和記憶系統是兩種不同的需求。

知識庫的查詢對象是靜態的、結構穩定的文件。記憶系統的查詢對象是動態積累的、高度個人化的、而且往往是碎片化的對話。

這兩個場景需要不同的設計。把 RAG 架構直接用在 agent memory 上，就像是拿搜尋引擎來管你的個人日記，找得到但沒有辦法理解上下文關係。

圖結構的記憶讓「context」真的有意義，因為它讓你可以追蹤記憶之間的關係，而不只是記憶本身。

研究生的日常就是這樣：覺得某個方向理論上對，然後花幾個月驗證它在 benchmark 上確實也對，但同時開始想下一個更根本的問題。🧠