AI Agent 的記憶系統設計
AI Agent 的記憶系統讓它能夠跨對話保留資訊，從「每次都是陌生人」變成「真正認識你的助理」。這是 AI 從工具進化為「員工」的關鍵轉折點。
記憶系統的核心機制
- 自動擷取：每次對話結束後，系統提取重要資訊存入長期記憶
- 情境回憶：新對話開始時，載入相關的歷史記憶
- 主動應用：Agent 根據記憶主動採取行動，而非被動等待指令
實際案例（Clawdbot）：
使用者在首次對話提到自己有 newsletter，固定某天發送。2 天後，AI 主動幫他寫了幾篇 newsletter 草稿。
這展示了記憶系統的三層價值：
- 記得：知道使用者有 newsletter
- 理解：知道發送的時間規律
- 行動：在適當時機主動準備內容
被動式 vs 主動式 AI
傳統的 AI 助手是被動的：你問問題，它回答。主動式 AI 助手則更進一步——它會持續觀察、學習，並在它認為適當的時候主動採取行動。
| 被動式 AI | 主動式 AI |
|---|---|
| 等待指令 | 主動尋找可做的事 |
| 一問一答 | 持續監控和行動 |
| 短期記憶 | 長期學習你的偏好 |
| 人類發起 | AI 也可以發起 |
| 工具 | 夥伴 |
主動式行為範例
- 趨勢監控 — 監看 Twitter/X 上你有興趣的話題，發現有趣的就主動報告
- 排程任務 — 定時檢查 email、日曆、新聞
- 情境建議 — 根據你的習慣主動提供建議
- 自動化工作流 — 偵測到觸發條件就自動執行任務
實現機制
- Cron Jobs / Heartbeats — 定時喚醒 AI 檢查（見 Heartbeat 機制讓 Agent 保持待命）
- 記憶系統 — 儲存和回憶用戶偏好
- 事件驅動 — 監聽特定事件並響應
注意事項
- 主動式 AI 會持續消耗 tokens（見 AI 工具的成本考量）
- 可能會做出意外的行為（見 AI Agent 的安全風險）
- 需要明確設定邊界和權限
記憶壓縮問題
當對話達到 context window 上限時，系統需要壓縮記憶，這會導致細節丟失：
- Agent 可能忘記你之前告訴它的事
- 解法：明確告訴它「把這個寫下來」
- 重要偏好應該寫入
MEMORY.md或tools.md
「壓縮記憶時會丟失細節。解法是繼續幫助它記住那些事——直接告訴它，把這個明確寫下來。」 — Matt（Forward Future）
連結
- 上層：Clawdbot MOC
- 相關：Heartbeat 機制讓 Agent 保持待命、AI Morning Brief 模式
- 風險：AI Agent 的安全風險、AI 工具的成本考量
- 對比：RAG 檢索增強生成 — 技術層面的記憶實現方式
參考
- YouTube - Clawdbot 48小時使用心得 — Newsletter 主動撰寫案例
- YouTube - Clawdbot Explained In 5 mins — 主動式 AI 的風險與優勢
- YouTube - I Played with Clawdbot all Weekend — Memory 檔案展示、記憶壓縮問題
- Clawdbot 的記憶檔案：
MEMORY.md+memory/*.md