Agent记忆管理：短期/长期/向量记忆
请解释AI Agent的记忆管理机制。短期记忆(Short-term)、长期记忆(Long-term)、向量记忆(Vector Memory)有什么区别？LangChain如何实现记忆模块？ConversationSummaryMemory和ConversationBufferMemory的优缺点？
回答
编译有声
Agent记忆分三层：
- 短期记忆：当前会话上下文(LLM上下文窗口内)
- 长期记忆：跨会话重要信息(存数据库)
- 向量记忆：语义相关记忆(存入向量数据库，检索复用)
LangChain记忆模块：
- ConversationBufferMemory：全部历史(简单但Token多)
- ConversationBufferWindowMemory：仅最近k轮(Token少但可能丢信息)
- ConversationSummaryMemory：LLM总结历史(平衡Token和信息)
- ConversationSummaryBufferMemory：到达阈值后总结
- VectorStoreRetrieverMemory：语义检索相关历史
选型：
- 简单对话：BufferWindowMemory
- 长对话：SummaryMemory
- 知识问答场景：VectorStoreRetrieverMemory