序言　怎样阅读这本书

Agent 能保存对话，并不意味着它已经拥有可靠的长期记忆。真正困难的是：决定保留什么，为它标明来源和适用范围，在新任务中正确使用，并在信息改变时及时修正或删除。

本书把这个问题分为两层。第一章解释概念与常见误区；第二至第五章把这些原则转成数据、接口、流程和验收标准。附录保留资料阅读范围与证据边界，方便读者沿着来源继续研究。

本书内容

第一章：从聊天记录到可用知识。 区分上下文、任务状态、档案、长期记忆与能力资产，解释语义、情景和程序性记忆。
第二章：目标、边界与总体架构。 定义系统需要解决的问题，明确权威内容与派生索引的职责。
第三章：数据模型与写入协议。 给出来源、版本、候选合并、并发更新及经验提升的设计。
第四章：检索、一致性与遗忘。 讨论授权、上下文组装、可见性延迟、撤销屏障与删除。
第五章：选型、评估与实施。 从最小可用系统出发，设计对照实验、指标与分阶段交付。
附录：资料阅读与证据对照。 对照 AWS、MachineLearningMastery、LangChain、Mem0 与阿里云 AI Agent Handbook，并补充 LangChain 的记忆概念指南。

本书面向个人编程 Agent、团队知识助理与企业 Agent 平台的开发者。没有必要先选定某个向量数据库、云厂商或框架；读者可以保留现有运行时，优先补齐来源、权限、修订和删除协议。

方案中的 Git Markdown/YAML 权威内容约定主要面向个人与工程知识。产品中的私有偏好和业务事实仍可由受控数据库管理，两者按记录类别划分所有权，不能对同一条事实各自独立编辑。

主要资料读取于 2026 年 10 月 19 日；本电子书整理于 2026 年 10 月 20 日，为第一版研究与设计稿。

文中的模型、云服务和框架文档具有版本敏感性。厂商文章报告的性能数值不等于所有部署下的服务保证，方案的目标指标也不代表已经完成实现或压测。

本书保留原创综合、说明性案例与来源链接，不收录第三方全文。所有第三方资料的版权归各自作者所有。书中的示例字段、接口和伪代码用于解释设计，不应被误认为某个产品的已验证 SDK 合同。

电子书正文、目录、封面和架构图可离线阅读；访问外部参考链接需要网络。源码与构建说明一并保留，便于修订和重新生成电子书。