Agentic Memory（代理记忆）
让 agent 在数月、数百个 session 间持续积累并复用上下文的记忆系统。Perplexity 的定义：好的记忆系统应当 structured（结构化）、traceable（可追溯）、adaptable（可演化）——按任务选择搜索的广度与深度，且每个决策落在最新信息上。Colin Francis 补上第四个维度：可遗忘——“A memory system is only as good as its ability to forget”，否则事实源演化后旧记忆变 stale，引发 memory drift / poisoning，系统逐渐退化。
设计空间（Perplexity Brain 的取舍）
- 静态记忆文件全塞 context → 精确率/召回率两难：塞多了淹没窗口，塞少了缺上下文。
- 按需查外部库（向量库 = 碎片、图库 = 要会查询）→ 导航负担转嫁给 agent。
- Brain 的中间路线：结构化知识 wiki（LLM Wiki）做导航层，底层保留完整证据；引用把断言连回来源，相关信息横向相连。
- 接口上：记忆 = 文件系统，复用 agent 已有的 cat/grep/git 工具，不造新机制。
- 架构上：前台 agent 探索记忆，后台 Dream 代理离线维护记忆；Memory Agent 子代理做语义检索并把文件物化到本地（远程 FS 的 grep 慢约 400–500×）。
关键机制
- 两类边：
[[wikilink]]上下文边 vs[cite:N]证据边——“还该知道什么” vs “凭什么信”。 - 索引预置于首条消息（比让 agent 自己发现索引效果更好，不满率 −6.9%）。
- 后台维护四阶段：Orient → Summarize sessions → Attach facts → Update wiki；staged 输出 + 确定性/语义双重验证后同步。
遗忘与自纠正（OpenWiki claims runtime）
记忆检索只解决一半问题；另一半是察觉并纠正过时记忆。OpenWiki 0.4.0 的方案（详见 Colin Francis - Memory Has a Forgetting Problem）：
- claim + 证据版本化：写 wiki 页时同时提取事实断言及其支撑代码，runtime 持久化证据版本——信念与源逐条相连，而非把 wiki 当一堆文本。
- 确定性 staleness 检测：每次更新前比对证据版本与当前源版本，无模型调用，成本随源变化量而非 claim 总数扩展。stale ≠ 错误，而是”不能再安全假设为真”，且不确定性持久保留直到复核。
- 自纠正回路：agent 读页时 stale claims 随内容呈现，顺手复核或修正；未解决的保持 stale 不静默丢弃。git 回放评估：stale 80→9、hallucinated 15→0。
- 遗忘的重新定义：不是删除，而是知道某信念何时不再可信。另一思路（@nechmads 评论）：给记忆声明 lifespan（仅在日期 X–Y 间有效）。
姊妹机制：skills（程序性知识）
Anthropic/Warp 给出 memory 与 skills 的分界（详见 自改进 Agent 回路）：memory 是陈述性知识，agent 推理时自动写、永不停歇地变化；skills 是程序性知识（“how to do X”），run 无关、稳定、只在回路中刻意修改。两者互补——memory 回答”知道什么”，skill 回答”怎么做”；把反馈转成经审核的 skill 更新（双 skill 自改进回路），程序性知识也能跨 run 复利。
效果
线上配对评估（30 天）：正确率 +9.3、现时性 +8.0、召回 +8.9，token −15%、成本 −10%、延迟 −10%。离线消融显示增益最大的是偏好、时间推理、跨 session 细节提取。详见 Brain - Agentic Memory as a Knowledge Wiki。