Agent记忆协作机制设计：让AI在下一次会话中'记得'上一次做了什么决策

问题背景

我们在构建多 Agent 协作系统时遇到了一个典型困境：总裁 Agent 下达了一个涉及"呼吸机产品线降价策略"的指令，派单到智囊团后，子 Agent 问的第一句话是"这个降价决策的背景是什么？是临时促销还是战略调整？"——因为新会话完全没有上下文。人工转述耗时且容易出错，而如果每次都要从聊天记录里翻找，会话效率会下降 40% 左右。更严重的是，当同一任务跨 3 个会话处理时，第二、第三个 Agent 完全不知道前一位做了什么决策，导致重复劳动甚至方向冲突。

我们的 Agent 系统峰值每天处理约 120 个任务，其中超过 60% 是跨会话延续的任务。缺乏记忆机制意味着每个 Agent 都要从零开始理解上下文，这成为了协作效率的瓶颈。

为什么这个决策难做

我们一开始以为这个问题可以用向量数据库解决——把所有历史对话向量化，新会话开始时检索相关上下文，语义相似性匹配应该够用了。但实际上，在 Agent 协作场景里，模糊匹配恰恰是最要命的问题。当一个任务的当前阶段是 stage 3，下一步应该是"确认供应商合同"时，你不能接受系统返回"stage 3 相关度 73%"的模糊结果。Agent 需要的是确定性记忆——明确知道这个任务当前卡在哪儿，不能有任何歧义。

另一个误区是认为记忆机制需要独立服务。我们一开始评估过 Redis + 索引的方案，但问题在于：如果 Agent 跑在网络隔离环境里，或者 API 限额导致外部服务不可用，整个系统就会瘫痪。记忆机制不应该成为依赖链上的一环，它需要内嵌到文件系统里，随时可读。

根因/核心设计决策

经过三轮迭代，我们设计出了"外置长期记忆+委员会调用"的架构，由三个文件层共同实现。

第一层是任务快照层。`agent-CEO/config/active_tasks.yaml` 存储所有进行中任务的状态，每个任务条目必须包含三个强制字段：stage（当前阶段）、blocker（阻塞原因）、next_step（下一步行动）。文件大小硬性控制在 5KB 以内，确保每次会话都能在约 2 秒内完整加载。

# agent-CEO/config/active_tasks.yaml 示例片段
tasks:
  - id: T-2024-089
    product: 呼吸机-X7
    stage: 3
    blocker: 供应商合同条款待确认
    next_step: 法务审核后进入报价阶段
    owner: 产品部-李明
    wbs: WBS-2024-Q4-004

  - id: T-2024-090
    product: 监护仪-M5
    stage: 1
    blocker: null
    next_step: 收集竞品价格数据
    owner: 市场部-王华

第二层是产品上下文层。`obs/02-product-knowledge/` 目录下按产品线分级存储 `product-profile.md`，每份约 400-600 字，记录版本历史、关键决策、当前负责人及活跃 WBS 编号。总裁 Agent 在派单时会读取对应产品的 profile，将约 800 字的上下文包注入到子 Agent 的 prompt 中。

第三层是决策记忆层。`obs/04-decision-knowledge/decision-log/` 下以 D-编号归档的决策文件，用于跨会话溯源。当 Agent 需要回答"当时为什么这样决定"时，直接读取决策文件而非翻聊天记录。

这种架构最关键的设计哲学是：拒绝了向量数据库，选择纯文件方案。原因很直接——Agent 协作需要确定性，结构化 YAML + Markdown 可以用普通 Read 工具读取，不依赖任何外部服务，在网络隔离或 API 限额场景下依然可用。

可移植的原则

1. 如果你在设计跨会话记忆机制，用结构化文件替代向量检索，确保每次读取的结果是确定的、可验证的。
2. 如果你在划分记忆层次，按信息变更频率分层——任务状态高频变更放在 YAML，产品上下文低频变更放在 Markdown，决策历史只读不写。
3. 如果你在实现委员会调用模式，让多个 Agent 读取同一份产品 profile 但从不同角度分析，而非各自维护独立的上下文副本。
4. 如果你在选择技术栈，把记忆机制的依赖降到最低——用文件系统而非外部服务，让系统在网络隔离时依然可用。
5. 如果你在设计 Agent 的启动流程，在派单 prompt 中注入约 800 字的上下文包，让子 Agent 启动时已具备足够的背景知识，无需人工重新交代。

结尾

这套"外置记忆+委员会调用"的模式解决了一个核心问题：让 AI 在下一次会话中真正"记得"上一次做了什么，而不是依赖人工转述或模糊的语义检索。如果你正在构建多 Agent 协作系统，文件系统的确定性记忆值得优先考虑。后续我会分享具体实现委员会调用模式的 prompt 模板设计。关注后回复"记忆"可获取完整配置文件示例。