20. Memory 原理：长期上下文该记什么

Memory 不是聊天记录仓库

很多人把 memory 理解成“什么都记”。

这很危险。

Agent 记住错误信息，比不记还麻烦。

Memory 应该记什么

适合记的是稳定信息：

用户偏好
项目长期约定
常用路径
工作流约束
反复出现的事实

不适合记的是临时信息：

本次任务进度
一次性结果
可能很快过期的链接
未经验证的判断

DeerFlow 的 Memory 目录

相关源码：

backend/packages/harness/deerflow/agents/memory/

能看到：

message_processing.py
prompt.py
queue.py
storage.py
summarization_hook.py
updater.py

这说明 memory 包含提取、存储、更新、注入 prompt 等多个环节。

Memory 怎么参与任务

大致可以理解成：

对话或事件产生信息
|
处理和筛选
|
写入存储
|
后续任务注入上下文

关键不是“能不能记”，而是“该不该记”。

这一篇你要记住

Memory 的质量比数量重要。

对研究型 Agent 来说，Memory 更适合记用户偏好、报告格式、常用数据源，而不是每一次研究的临时细节。

Memory 的风险

Memory 一旦写入，就会影响后续任务。

所以它比普通上下文更敏感。

错误 memory 可能导致 Agent 长期沿着错误假设工作。

研究型 Agent 适合记什么

适合记：

用户偏好的报告结构
常用保存路径
常用来源优先级
不希望使用的来源
输出语言和风格

不适合记：

某一次研究的临时结论
未经验证的市场判断
很快过期的数据

memory prompt

目录里有 prompt.py，说明 memory 最终会影响提示词或上下文构造。

这也是为什么写入前要筛选。

进入 prompt 的东西，都会改变 Agent 后面的判断。

实践：动手检查

从“报告结构、保存路径、来源偏好、临时研究结论”中各写一个候选 memory，并逐项判断是否稳定、可验证、值得跨任务复用。最后只保留通过三项判断的内容。

完成标准

• 至少拒绝一条临时或未经验证的信息；
• 保留项能对应明确的后续任务行为；
• 能在 backend/packages/harness/deerflow/agents/memory/ 中找到 storage、updater 和 prompt；
• 没有为了测试而写入错误 memory。

多走一步（可选）

沿 updater.py 到 prompt.py 找一次“更新后影响上下文”的源码线索。