Agent记忆与规划
学习 AI Agent 的记忆机制与任务规划设计，掌握复杂任务的拆解、记忆管理与执行协同
科技 · AI · 智能体 · 大模型 · 工程 · 记忆 · 作者：boyne · 1 人学过
学什么：Agent 短期记忆与长期记忆的设计、上下文窗口与记忆压缩策略、任务分解方法、子目标生成与动态调整、记忆-规划-工具调用的协同流程
不学什么：Agent 基础概念与提示工程、LLM 底层原理、多 Agent 协作框架、Agent 部署与运维
知识地图
Agent 记忆体系总览与短期记忆
理解 Agent 记忆的分层模型与短期记忆在 Agent 循环中的位置
介绍 Agent 记忆系统在整张地图中的基础定位，回答「Agent 为什么需要记忆、记忆分几层」两个根问题，并把「短期记忆=上下文窗口载体」作为一句话定位，详细瓶颈刻画留给模块 2。本模块同时为模块 5 的记忆-规划-工具协同框架埋下状态机视角。
长期记忆设计与存储检索
掌握长期记忆的存储结构、写入策略与检索注入方式
承接模块 0 的分层概念，聚焦长期记忆的工程实现，回答「如何让 Agent 跨会话、跨任务保留与调用知识」这一根问题，为上下文管理与协同流程章节提供存储层基础。MemGPT 作为分层虚拟上下文的代表性思想参考，为本模块提供关键思路，但其本身涉及操作系统级抽象，L2 学习者只需理解其思想而不必掌握全部工程细节。
上下文窗口管理与信息选择策略
理解上下文窗口的硬约束并掌握主要的窗口管理策略
深入回答「当窗口不够用时怎么办」，从长度上限、注意力衰减与推理成本三个维度刻画瓶颈，并给出摘要压缩、剪枝、主动管理与分层上下文等策略。本模块在原「压缩策略」基础上扩展为更广义的「窗口管理」，与可用的真实资料更匹配。
任务分解与子目标生成
掌握顺序子目标生成与树状搜索式任务分解方法
进入规划主题，回答「Agent 如何把一个复杂目标拆成可执行子目标」，为动态调整章节提供初始计划形态，也为协同流程章节中规划节点提供核心算法依据。CoT 在此仅作为推理启发的背景，而非任务分解范式本身。
动态调整与反思机制
理解 Agent 在执行中如何重规划与自我反思
衔接模块 3 的初始规划，回答「执行失败或环境变化时，Agent 如何调整计划」，让生成的子目标具备鲁棒性，并为协同流程章节提供规划侧的纠错能力。
记忆-规划-工具调用协同流程
能描述一次完整 Agent 循环中记忆、规划、工具的协作过程
串起前面所有模块，回答整张地图的根问题：在一个真实 Agent 循环里，记忆、规划、工具是如何轮转的，给出可讲述的端到端心智模型。L2 阶段以理解与描述为主，若需动手串联记忆、规划、工具可作为后续 L3 实践延伸。