第 17 周 · Day 7：周复盘——跨会话记忆验收，让「记得你」变成有证据的事

手册任务：周复盘 + 整理。测试「用户第二次对话时 Agent 记得偏好」，写 300 字周记，当日产出：测试记录 + 周记。 本篇解决的问题：Day 6 总装完的 Agent 看起来已经记得你了，但「看起来」不算数。记忆链路是四段接力，任何一环都可能静默失败而不报错。今天用一场可复现的验收，把三层记忆各自生效的证据拿到手。

今日目标

1. 独立跑通跨会话验收剧本：会话 A 自报家门，新开会话 B 提问，Agent 答对且日志链完整
2. 掌握不达标排查表：偏好没抽出来、注入没生效、情景没命中，三类故障各自怎么定位
3. 按四段模板写 300 字周记，过 10 题自检，答不上的回读对应 Day 的教程

概念讲解：为什么记忆系统必须专门验收

复盘的方法第 1 周 Day 7 已经讲透：识别不是提取，输出倒逼输入，画图、周记、自检三件套每周照用，细节回第 1 周教程。今天概念部分讲本周特有的事：为什么「记忆做完了」必须配一场验收，光跑通代码不算数。进度对照本周日程，Day 1 到 Day 6 的零件今天全部上台受检。

因为记忆链路是四段接力：抽取 → 入库 → 注入与检索 → 生成。它和普通代码最大的区别是：任何一环断了，系统都不报错。抽取器返回 {}，是一次「成功」的调用；入库事务没提交，程序照常退出；system prompt 的占位符没替换，模型照样侃侃而谈。用户看到的只是 Agent 客客气气地说「请问您想问什么」。整条链没有一行代码抛异常，但记忆整体失效。

所以验收标准不能是「Agent 答对了」。答对可能靠碰巧：会话 B 的提问方式恰好引导模型猜了个职业；也可能靠作弊：你其实在同一个会话里接着问，窗口里还躺着原文。合格的验收要同时满足四条：

1. 跨会话：新开会话、最好新起进程，短期层从零开始，排除窗口内原文作弊
2. 答案正确：问「我是做什么的」，回答必须含「后端」；顺带看称呼是不是 Jerry，这是偏好注入的第二证据
3. 日志链完整：长期层有 profile 注入日志，情景层有检索命中日志，各自能对上
4. 可反证：把 PG 和向量库里这个用户的数据清空再问一遍，Agent 应当答不上来。答不上来，才证明刚才答对靠的是记忆

第四条最容易漏，也最值钱。它把「答对」和「靠记忆答对」区分开。

核心知识

1. 跨会话记忆验收实录

场景剧本固定：会话 A 说「叫我 Jerry，我是做后端开发的」，正常结束；新开会话 B，问「我是做什么的？」。下面是完整终端记录，日志行都是真实链路该有的样子：

# ── 会话 A：自报家门 ─────────────────────────────────
$ python agent.py --user u_001
[graph]  会话 sid=a8f31c 启动，入口节点执行
[memory.load] user_profiles(u_001) 为空，按新用户初始化

你: 叫我 Jerry，我是做后端开发的
Agent: 好的 Jerry，记住了，后面都这么称呼。

你: /exit
[redis] sid=a8f31c 共 2 条消息，TTL 生效

# ── 会话 A 收尾，save 节点异步执行 ───────────────────
[memory.save] 偏好抽取 → {"称呼": "Jerry", "职业": "后端开发"}
[memory.save] user_profiles(u_001) upsert ✓  流水表 +2 条（confidence 0.5）
[memory.save] 情景归档 → 摘要「用户自述名叫 Jerry，从事后端开发」
              embedding 入库 ✓ metadata={user_id: u_001, source: conversation}

# ── 会话 B：新起进程，两手空空 ───────────────────────
$ python agent.py --user u_001            # 没有 resume，全新会话
[graph]  会话 sid=c0ffee2 启动，入口节点执行
[memory.load] user_profiles(u_001) → {"称呼": "Jerry", "职业": "后端开发"} ✓ 注入偏好区
[redis]  sid=c0ffee2 无历史，短期层为空

你: 我是做什么的？
[memory.load] 情景检索「我是做什么的」→ 命中 1 条
              sim=0.81「用户自述名叫 Jerry，从事后端开发」(source=conversation)
Agent: Jerry，你是做后端开发的。

对照验收四条：跨会话 ✓（两个不同 sid，两次独立进程）；答案正确 ✓（「后端」和 Jerry 都对上了）；日志链下面逐层核对；反证你自己在库里跑。

三层记忆各自命中的证据，一张表说死：

记忆层	命中证据	对应日志行
PG 长期（档案）	profile 注入	[memory.load] user_profiles(u_001) → {…} ✓ 注入偏好区
向量库（情景）	相似度检索命中	sim=0.81「用户自述名叫 Jerry…」(source=conversation)
Redis 短期（窗口）	空仓反证	[redis] sid=c0ffee2 无历史，短期层为空

第三行是排除法：会话 B 的短期层是空的，答案不可能来自窗口，只能来自下面两层。短期记忆在这次验收里的角色不是「命中」，而是「证明自己没参与」。整套证据和 Day 1 的架构图完全咬合：读的时机（会话开始注入、提问时检索命中）、写的时机（收尾提炼归档），一条条都能在日志里指出来。指不出来的那条，就是没做对的那条。

2. 验收不达标排查表

剧本跑挂了别急着改代码，先定位断在哪一环。排查总原则：顺着链路查，每环只看一样东西。抽取看日志、注入看最终 prompt、检索看过滤条件。

症状	病根大概率在	排查动作
会话 A 收尾没有抽取日志，或抽出来是 {}	偏好没抽出来	单独跑 extract_preferences(transcript)，print 出 LLM 原始输出：多半输出了讲解文字而不是 JSON，回 EXTRACT_PROMPT 把「只输出 JSON」重申一遍；确认 response_format 和 temperature=0 都在
抽到了，但 SELECT kv FROM user_profiles 查出来是空	入库断了	看 save 节点的日志时间戳，确认异步任务真的执行了；查事务有没有 commit；查 user_id 是不是写串了
库里有，会话 B 还是失忆	注入没生效	打印最终发给模型的 messages[0]，注意是组装后的最终产物，不是 build_system_prompt 的返回值。两个常见病：模板占位符 {preferences} 没替换；Day 2 的压缩管线把 system 消息动了（system 永不参与压缩，Day 2 坑 5）
情景检索 0 命中	向量没入库或过滤错了	先查会话 A 的归档日志和入库条数；再打印检索时的过滤条件，user_id 和 source=conversation 两个都要有。高频错误：metadata 的 key 和过滤字段名对不上；过滤值引用了别的变量
命中了，但返回的是知识库文档	source 过滤没加	Day 1 坑 4 原样复发，检索时把 source=knowledge 挡在门外
没有日志但 Agent 答对了	假阳性	会话 B 的提问别带任何线索（别自己说「我这个后端项目」）。验收以日志链为准，不以答案为准

表里最值得强调的是第三行。注入是四段链路里最隐蔽的一环：函数返回值是对的，模板渲染是错的，中间没有任何报错。借这个养成一个习惯：验收时永远打印最终产物，发出去什么就打印什么，别打印「应该发出去的东西」。

3. 300 字周记（第 17 周示例）

四段模板不变：最大收获、卡得最久、还含糊、下周前补。第 17 周示例，照这个密度写：

① 本周最大收获：记忆不是给 Agent 加一张「存对话」的表，是按生命周期分
层放：窗口管当下，档案管「你是谁」，向量库管「发生过什么」。context rot
最颠覆认知，窗口 200k 也不许放开聊，token 是注意力预算，塞满等于用差。
② 卡得最久：会话 B 死活答不上「我是做什么的」，数据明明在库里。最后打
印最终 system prompt 才看到：模板的 {preferences} 占位符压根没替换，注
入了个寂寞。教训：查注入看组装后的最终产物，不看函数返回值。
③ 还含糊：隐式偏好怎么和置信度联动没想透；情景检索时间衰减的半衰期
拍不出依据。
④ 下周前补：读 Generative Agents 的三因子检索；窗口 N 拿第 16 周的评
估集跑一轮对比，让数据选 N。

4. 第 17 周知识自检清单

规则同前：每题先口头回答，说完整了再点开对照。说不出的记下题号，回读对应 Day 的教程。

问题 1：记忆四分类是哪四类？各自的 Agent 对应物是什么？（Day 1）

答案

短期（工作记忆）→ 当前会话最近 N 轮对话窗口；长期·事实 → 用户档案（偏好、约束、关键事实）；长期·情景 → 历史对话事件，可检索回忆；长期·语义 → RAG 知识库，第 14 周已经建好。最容易混的是情景和语义：情景的主语是「我」，带时间带当事人；语义和经历者无关，对谁都成立。

问题 2：三层存储各自放什么？生命周期分别是什么？（Day 1）

答案

Redis 放当前会话最近 N 轮，TTL，会话结束即过期；PG 放提炼后的用户事实档案，一用户一行，永久、可更新覆盖；向量库放情景和语义两类（历史对话摘要、知识库文档），长期、只增可标废弃，用 metadata 的 source 字段区分两块数据。

问题 3：什么是 context rot？它和成本各是哪笔账？（Day 2）

答案

上下文腐烂：窗口越长，模型注意力越稀释，中段信息召回变差、跨段推理出错、指令遵循下滑，这是质量账。另一笔是经济账：聊天 API 无状态，每轮重发全部历史，成本和延迟随轮次线性膨胀。两笔账指向同一个结论：token 是注意力预算，不是塞满就好，是塞对才好。

问题 4：Deep Agents 的 compaction 三招是什么？各自管什么？（Day 2）

答案

① 超长工具结果卸载：超过阈值的结果原文进虚拟文件，上下文只留占位符（文件名、行数、开头摘要、read_file 取回句柄）；② 子 Agent 上下文隔离：重活的中间过程死在子 Agent 的独立窗口里，主上下文只收结论；③ 外置任务清单：规划状态放外部文件，不占对话历史。共同思想：把「模型可能要看的」和「现在就要看的」分开。

问题 5：显式偏好和隐式偏好差在哪？为什么先做显式？（Day 3）

答案

显式是用户亲口说过的（称呼、职业、回复风格），对话原文就是证据；隐式是从行为推断的（总追问底层原理 → 偏好深度内容）。先做显式，因为它抽对了就是对、抽错了好排查；隐式要靠猜，行为信号可能只是那次任务的需要而非稳定偏好，猜错一次 Agent 就永久把人认错。

问题 6：情景记忆入库为什么存摘要，不存逐字原文？（Day 4）

答案

三个原因。一，整段原文做 embedding 语义被稀释，一段对话聊了五件事，向量哪个都不像；摘要一段一主题，检索才准。二，命中后注入的是检索结果，摘要短，不会一命中就往上下文塞几千 token，这是 Day 2「按需调入」思想在记忆层的延续。三，回忆要的是事件三要素（时间、当事人、结论），不是逐字稿，原文留在日志里，要细节凭 ID 回取。

问题 7：情景检索的相似度得分为什么要乘时间衰减？（Day 4）

答案

情景有保鲜期。用户去年说自己写 React，今年早换 Vue 了，旧情景不衰减就和新鲜记忆同分，注入的「回忆」其实是过时噪声。做法是最终得分 = 相似度 × 衰减因子，时间越久权重越低。少了这一项，检索会变成把用户的历史原样倒回来，越用越像背旧账。

问题 8：System Prompt 模板的分区顺序有什么讲究？（Day 5）

答案

稳定区在前（角色、工具说明），动态区在后（记忆摘要、用户偏好、本次情景检索结果）。两个理由：一，prompt 缓存按前缀命中，稳定内容放头部，前缀不变缓存才有效，每会话都变的记忆内容放尾部，失效的只有尾部；二，离生成点越近的指令遵循越好，偏好和本次检索结果贴着对话区，模型不容易当耳旁风。

问题 9：checkpoint 和记忆的分工边界是什么？（Day 1）

答案

checkpoint 绑会话线程，存运行状态（消息、工具调用轨迹），管同一个对话中断后能续命；记忆绑用户，存提炼后的信息（事实、事件、知识），管不同对话共享认知。互补不是替代：会话开始注入档案、每轮读写窗口、结束提炼归档，底下 checkpoint 继续管中断恢复。一句话：checkpoint 让对话接着聊，记忆让 Agent 越用越懂你。

问题 10：每轮收尾的 save 节点为什么做成异步？（Day 6）

答案

三个理由。一，保存链路里有一次 LLM 抽取调用，同步等它，用户下一句回复要平白多等几秒；二，保存失败不能拖垮主对话，异步隔离后失败了能重试，主链路无感；三，晚几百毫秒入库无害，下一轮注入的是 profile 不是刚抽出来的这条，但主链路慢半秒用户立刻有体感。优先级排序：主对话延迟的优先级高于记忆时效性。

动手任务：完成本周复盘

按顺序做完五步，预计 60 到 90 分钟。

第一步：跑验收剧本（20 分钟）。 原样照核心知识第 1 节的场景跑：会话 A 自报家门，正常退出；新起进程开会话 B，提问。终端输出完整保存成 week17-acceptance.log，这是今天的产出之一。

第二步：核对三层证据（10 分钟）。 对着证据表逐层打勾：profile 注入日志、情景检索日志、短期层空仓反证。再做反证：清空 user_profiles 和向量库里 u_001 的数据，重跑会话 B，Agent 应当答不上来。做完把数据恢复（或干脆重跑一遍会话 A）。

第三步：不达标就排查（时间看造化）。 按排查表顺链路定位，一次只改一个地方，改完重跑整个剧本。四条标准全过才叫达标，别看见答案对就收手。

第四步：写 300 字周记（15 分钟）。 四段模板，对照示例的密度。「还含糊」那段别敷衍，它是下周的输入。

第五步：自检 + git 收口（30 分钟）。 10 题逐个口头回答，答不上来的记下题号，回读对应 Day 的教程。然后分类型提交，打 tag：

git add week17/
git commit -m "feat(memory): 三层记忆总装"
git add week17-acceptance.log
git commit -m "test(memory): 跨会话记忆验收记录"
git tag week17-done

原则照旧：一个提交只做一件事。代码、测试记录、周记各走各的提交。

常见踩坑

在同一个会话里验收。 问完「叫我 Jerry」接着问「我是做什么的」，Agent 答对了，你高高兴兴收工。可这什么都没证明：窗口里还躺着你的原话，长期记忆根本没参与。必须新开会话，最好新起进程，让短期层从零开始。

只看答案不看日志链。 答案正确加日志链完整，两条都满足才算过。没有日志的答对可能是碰巧，你修也不是、不修也不是。验收的产出是证据，不是截图里那一句回复。

user_id 前后不一致。 会话 A 用 u_001，会话 B 手滑传了 u_002，Agent 当然失忆。排查表全过一遍也查不出毛病，因为链路本身没病。验收脚本里把 user_id 提成常量，两个会话共用。

只测 happy path。 改口场景（「别叫 Jerry 了，叫我老王」，画像要覆盖、流水要留痕）和隐私场景（对话里夹一句病史，确认它没被抽进库）也是本周链路承诺过的行为，一并过一遍。第 16 周说的道理在这周同样成立：测试集里只有 happy path，等于没有测试。

测试数据污染。 验收完 u_001 的假档案留在库里，哪天接入真实用户，他从第一天起就「叫 Jerry、做后端」。测试统一用 test_ 前缀的 user_id，验收完清掉。

延伸阅读

• Generative Agents: Interactive Simulacra of Human Behavior，斯坦福小镇论文，记忆流加三因子检索（recency × importance × relevance），时间衰减和重要性的理论老家，本周的记忆设计多处取材于此
• LangGraph：Memory 概念文档，官方对短期/长期记忆的切分，Day 6 整合进 LangGraph 之后再通读一遍，看官方抽象和本周三层怎么对上
• Anthropic：Effective context engineering for AI agents，Day 2 读过一遍，学完记忆再读：compaction 三招和记忆分层其实是同一件事的两面，都在决定什么配进上下文

下周开始前，把周记第四段留的补课动作清掉。第 17 周到此收口：Agent 从「每次见面都失忆」走到了「第二次开口就喊对名字」，而且这一次，你手里有整条证据链。