AI本身并不具备原生记忆能力，我们感受到的对话连贯性，全靠外挂策略实现！这篇文章聚焦AI短期记忆，拆解其核心价值——解决当前会话的流畅衔接，同时详解三种常见实现方式：全量上下文保留完整信息却受限于窗口长度，滑动窗口高效控本却易丢早期关键信息，摘要法平衡完整性与空间却会遗漏细节。

前段时间我接触了一个 AI 玩偶的项目。为了让这个 AI 玩偶更智能，它必须得具备记忆功能，所以我顺便对AI 记忆这一块做了一点研究。

今天咱们先来聊聊短期记忆，至于长期记忆，咱们后面再讲。

为什么 AI 需要记忆？

从大语言模型的原理来说，我们给模型的输入只有提示词（Prompt），有且只能有提示词。所以，大模型本身其实是不具备记忆能力的。

我们现在看到的所谓记忆，往往是咱们通过一定的策略外挂上去的。比如把历史对话存进向量数据库里，这就是一种常见的策略。

针对不同的目的，玩法也不同。比如：

• 如果只是想让当前的对话聊起来更连贯，用短期记忆一般就能解决问题；
• 但如果想把历史对话长期保存下来，或者想实现跨会话的记忆调用，那就得动用长期记忆了。

短期记忆的三种常见玩法

一般来说，实现短期记忆主要有这么几种路子：

第一种：全量上下文

这种方式最简单粗暴，就是把所有的历史对话，一股脑全塞进 Prompt 里发给模型。

• 优点：保留的信息最完整，原汁原味。
• 缺点：受限于大模型的上下文长度。咱们知道，上下文窗口不是无限的，哪怕是支持百万 Token 的模型也有上限。而且，塞进 Prompt 的记忆越多，大模型的调用成本也就越高。

第二种：滑动窗口

这种方式比较常见。简单说，就是只保留最近的 N 轮对话，更早之前的直接舍弃掉。

• 优点：实现简单，能很好地控制住成本，提升推理速度。
• 缺点：因为只留了最近几句，早期的对话就丢了，万一里面包含关键信息，后面就找不回了。

第三种：做摘要

这种方式的原理是，当会话长度超过一定阈值时，就把较早期的那部分对话生成一个简短的摘要存起来，同时保留最近的几轮原话。

• 优点：既能让信息记录得相对完整，又能节省空间。
• 缺点：不可避免地丢失一些细节信息。

总结

在实际使用过程中，还是得看你要解决的具体问题和场景来做选择。甚至在一些非常简单的情况下，完全不用记忆功能，也能满足场景的诉求。