最近半年，一边做AI SaaS产品，一边逐渐迭代出一个适合SAAS产品的AI Agent框架。只不过，这个框架在记忆系统上一直做的不太好。最近，也是因为产品的需要，专门对这个AI Agent框架做了一些迭代，增强了记忆系统。
总结一下。
固定记忆与动态记忆的分离
原来的memory都是存在一起的。AI agent需要迭代memory的时候，就直接自动修改一下。
但这也带来了一些不可控的因素，原本有一些内容是无论如何都不能修改的，很有可能会被agent改掉。
所以，这次迭代，把memory分成了两个独立的部分。
一个是固定记忆，只要用户不主动修改，它就不会被修改。
另一个是动态记忆，完全由Agent控制，按Agent的需要去增加、减少或者修改内容。
这样一来，就约束了Agent的权限，不至于一不小心就改了影响全局的固定记忆。
如何遗忘比如何记忆更重要
如何保持生成内容的一致性和连续性？
之前一直把重点放在了动态上下文。虽然各种优化，但对于生成的内容和次数多了之后，还是会出问题。
所以，动态记忆就成了一个很有必要的事情。通过固定记忆+动态记忆+动态获取上下文来保障下一次生成的内容的连续性和一致性。
而对于动态记忆，尤其是在生成的内容对一致性和连续性要求较高时，如何遗忘就成了一件比如何记忆更重要的事。
就以写小说的agent为例。
如果要写一部数百章的篇幅。每生成一章，就在动态记忆中增加这章的关键要点，这样可以大幅度提升下个章节的连续性。但随着生成的章节越来越多，动态记忆的内容也会越来越庞大，不仅会让提交给AI的上下文因为过大而无法处理，而且，也很浪费Token。更重要的是，动态记忆中的很多太前序的章节，不仅没有必要再作为上下文，而且还会污染上下文，导致生成的内容质量下降。
所以，如何“遗忘”掉这些没用的记忆，就成了一件值得思考的事情。