要让AI Agent像人一样成长，关键在于构建类人记忆系统。然而，现有研究往往在神经科学与AI技术间存在壁垒。一篇横跨两大领域、引用400篇文献的综述，首次将二者统一审视，系统性地剖析了记忆的本质、分类与管理机制，为设计更高级的Agent记忆系统奠定了坚实的理论基础。
智能速览
一篇重磅综述首次统一了认知神经科学与人工智能两大领域的记忆研究。
记忆被重新定义为连接过去与未来的桥梁，并提出了基于“性质”与“范围”的双维度分类法。
记忆的作用突破信息存储，旨在实现上下文突破、长期个性化和经验驱动推理三大核心价值。
Agent记忆管理是一个包含提取、更新、检索与应用的精密闭环，借鉴了人脑的动态循环机制。
综述指出了Agent记忆面临的窃取与投毒攻击风险，并提出了三道防线进行防御。
精华内容
构建类人记忆，不仅是简单存储信息，更是要让Agent具备认知与进化的能力。这需要深入理解记忆的底层逻辑。
记忆分类学
借鉴认知神经科学，综述提出Agent记忆的双维度分类法。
基于“性质”的分类分为情景记忆与语义记忆，前者存储完整的交互轨迹，提供“如何做”的过程性知识；后者存储事实与规则，提供“是什么”的陈述性知识。
基于“范围”的分类则分为轨迹内记忆和跨轨迹记忆。前者是临时的任务工作区，用完即走；后者是永久的存储库，记录可重用的模式与策略，贯穿Agent整个生命周期。
记忆存储机制
人脑的记忆存储是跨脑区的动态协作，海马体充当临时索引，新皮层是永久仓库。
Agent的记忆存储则是显式工程构建。存储位置上，分为对应临时工作区的上下文窗口和容量无限的永久记忆库。
存储形式上，从直观的文本、支持关联的图结构，到高效的向量化表示和模型参数，不同形式在计算成本与推理能力间寻求最优解。
记忆管理闭环
记忆并非静止仓库，而是一个动态循环系统，借鉴了人脑记忆的形成、更新与检索机制。
Agent的记忆管理包含四个核心环节：提取环节，通过分层或生成式方法提炼关键信息，避免存储冗余。
更新环节，引入遗忘机制，淘汰低价值记忆。检索环节，超越简单的相似度匹配，综合时间、重要性等因素排序。最后在应用环节，将记忆用于上下文增强或内化为模型参数，实现经验闭环。
记忆安全与攻防
长期部署使得Agent记忆成为新的攻击面，存在窃取隐私和投毒思想的两大风险。
窃取攻击通过精心设计的诱导Prompt，套取存储的敏感信息。投毒攻击则通过植入后门或注入偏见数据，污染Agent的认知体系。
为应对威胁，综述提出三道防线：检索时进行验证清洗，响应时进行审查拦截，存储时对敏感数据进行匿名化与区域隔离，构筑全链路防御体系。
这篇综述为AI Agent的记忆系统设计提供了从理论到实践的全面蓝图。它不仅是技术的总结，更是对未来智能形态的深刻思考。当Agent能真正像人一样记忆、反思与进化，我们距离通用人工智能或许会更近一步，但这同时也带来了新的安全与伦理挑战。
