情景记忆这个术语最早来自认知心理学，用来描述人对特定时间、特定地点发生事件的记忆。它关注的不是抽象的规则，而是带着时间戳和情境线索的具体片段。比如你记得上周三下午在某台服务器上排查过数据库连接超时，这就是情景记忆；而你知道数据库连接超时通常与网络抖动或连接池耗尽有关，这属于语义记忆。当前大模型在参数里保存了大量语义知识，但无法记住某个用户在某次会话中发生过的具体事件。为了让智能体具备类似人类的回忆能力，需要在模型外部增加一层情景记忆模块，把交互记录以可检索的方式保存下来，并在后续推理时按相关性召回。

一、情景记忆与摘要记忆的边界

常见做法是把历史对话压缩成一段摘要，例如把五十轮对话总结成用户偏好和待办事项。这种做法能控制上下文长度，但会丢失大量可用于精确回答的细节。情景记忆不做过度压缩，它保留原始输入、工具返回、环境状态以及当时的时间信息。摘要回答不了像“上次那个超时错误后来是怎么解决的”这种问题，因为它只记得有超时问题，却不记得排查步骤和最终结论。而情景记忆可以通过时间和内容相似度定位到那一段记录。

具体来说，一条情景记忆通常包含会话标识、事件类型、时间戳、原始内容、附加元数据和向量表示。会话标识用于区分不同用户或不同任务，事件类型标记这是一条用户消息、一次工具调用还是一个执行结果，时间戳提供排序和衰减依据，原始内容保存未经改写的信息，向量表示则负责相似度检索。这样的结构比摘要更重，但它换来了可回溯性和精确性。

二、设计一个可落地的情景记忆存储结构

落地时可从最简单的数据类开始。下面用 Python 定义一条情景记录，字段尽量精简但保留扩展空间。

from dataclasses import dataclass, field
from datetime import datetime
from typing import Any, Optional
@dataclass
class EpisodicRecord:
    id: str
    session_id: str
    timestamp: datetime
    event_type: str
    content: str
    metadata: dict[str, Any] = field(default_factory=dict)
    embedding: Optional[list[float]] = None

这里 id 是记录的唯一标识，session_id 可以把同一次会话的经历聚合起来，timestamp 用于时间排序和后续衰减计算，event_type 区分用户输入、工具返回、系统提示等类型，content 直接保存原始文本，metadata 可以放入消息来源、模型版本、用户反馈标记等补充信息。embedding 字段在写入时填充，也可以由存储层延迟生成。

存储层不一定要上专门的向量数据库，早期可以用 SQLite 保存结构化字段，再单独用 FAISS 或 Chroma 管理向量索引。写入时先生成嵌入向量，再把向量和元数据分别落到对应存储，既保持事务一致性，又便于后续切换后端。下面给出一个简单写入封装：

class EpisodicStore:
    def __init__(self, embedder):
        self.embedder = embedder
        self.records = []
    def add(self, record: EpisodicRecord):
        if record.embedding is None:
            record.embedding = self.embedder.encode(record.content)
        self.records.append(record)
    def iter_records(self):
        return iter(self.records)

这个示例只展示了内存列表作为存储，实际工程中需要把 records 替换为数据库操作。核心逻辑是每次写入前检查 embedding 是否已经存在，避免重复调用编码器。对于低频交互场景，这种延迟编码可以减少启动阶段的开销；对于高频写入场景，可以在消息产生时就同步生成向量，防止写入路径过长。

三、检索与时间衰减：让回忆既相似又新鲜

检索情景记忆不能只依赖向量相似度。如果用户现在问数据库连接超时，系统找到一条一年前相似的超时记录，虽然语义上接近，但当时的网络环境、数据库版本和解决方案可能已经失效。因此需要在相似度基础上加入时间衰减，让最近发生的经历拥有更高的权重。常见的做法是使用指数衰减因子 exp(-lam * delta_t)，其中 delta_t 是当前时间与记录时间的间隔，lam 控制衰减速度。

下面的代码结合余弦相似度和时间衰减，对记录进行综合打分并返回前 k 条。

import math
from datetime import datetime, timezone
def cosine_similarity(a, b):
    dot = sum(x * y for x, y in zip(a, b))
    norm_a = math.sqrt(sum(x * x for x in a))
    norm_b = math.sqrt(sum(x * x for x in b))
    if norm_a == 0 or norm_b == 0:
        return 0.0
    return dot / (norm_a * norm_b)
def score_record(query_vec, record, now, lam=0.01):
    sim = cosine_similarity(query_vec, record.embedding)
    delta_t = (now - record.timestamp).total_seconds() / 3600.0
    decay = math.exp(-lam * delta_t)
    return sim * decay
def retrieve(query, store, k=5):
    now = datetime.now(timezone.utc)
    query_vec = store.embedder.encode(query)
    scored = []
    for rec in store.iter_records():
        s = score_record(query_vec, rec, now)
        scored.append((s, rec))
    scored.sort(key=lambda x: x[0], reverse=True)
    return [rec for s, rec in scored[:k]]

注意时间比较需要统一使用 UTC 时间戳，避免服务器本地时区造成偏差。score_record 中的 lam 参数可以根据业务调整，如果任务变化很快，可以把 lam 调大，让较早记录迅速失去影响；如果任务具有长期稳定性，则把 lam 调小，保留更长时间窗内的经历。检索完成后，把返回记录按时间倒序或按相关度插入提示词，让模型在回答时显式看到这些历史片段。

上下文构造可以很简单：把每条记录格式化成一行，包含时间、事件类型和内容，再拼接到当前问题之前。这样模型不需要额外训练就能利用外部情景记忆，因为它看到的是自然语言形式的历史事件描述。

四、容量控制与遗忘策略

情景记忆如果只增不减，存储成本和检索延迟都会持续上升，而且过旧或低价值的记录会稀释有效信息。遗忘不是简单删除，而是根据时间、重要性和冗余度做分层清理。最直接的策略是设置最大记录数，超过阈值后删除最旧的记录。下面是一个基本修剪函数：

def prune(store, max_records=10000):
    records = list(store.iter_records())
    if len(records) <= max_records:
        return
    records.sort(key=lambda r: r.timestamp)
    overflow = len(records) - max_records
    for old_record in records[:overflow]:
        store.delete(old_record.id)

仅有时间维度还不够，有些很久以前的重要事件仍应保留，比如一次罕见的故障恢复过程。可以在 metadata 中增加 importance 字段，用户反馈有效、人工确认的关键结论可以打高分，删除时优先清理低重要性记录。另一种做法是合并冗余：如果过去一周内出现了多条高度相似的用户咨询，可以保留其中信息量最大的一条，将其余转化为引用计数或频次标记，既减少存储量，又保留重复出现的信号。

在实际系统中，容量控制可以与检索联合优化。比如记录写入时先经过一层粗筛，如果与已有记录相似度超过 0.95，就只更新已有记录的频次和最近出现时间，避免写入重复数据。这样能显著降低向量索引体积，同时让重复事件在检索时获得更高的重要性。遗忘策略没有统一答案，需要根据业务对记忆长度和精确度的要求调整。

情景记忆给大模型智能体提供了一种保存具体经历的方式，与摘要记忆形成互补。通过结构化记录、向量检索、时间衰减和容量控制四个环节，系统可以在不无限膨胀上下文的前提下，按需回忆起与当前任务相关的历史片段。落地时建议从轻量级存储和简单检索开始，先验证记忆质量对任务完成率的提升，再逐步引入更复杂的重要性打分和遗忘策略。毕竟记忆系统的目的不是存得越多越好，而是在正确的时间把正确的经历放回模型眼前。