开发Agent，短期记忆应该怎么做？

rag，或者外挂一个知识库，或者存到数据库里然后根据提示词让llm读取

不太了解这部分的知识内容，按使用的codex的cli场景来讲，应该要有一套自己的会话压缩机制吧

佬，这种是长期记忆吧，我认为这对于一个会话的记忆来说完全不一样。

我自己专门写了一个skill，这个skill会自己在项目目录下开一个文件夹，作为记忆存储的地方，然后内部记录研究的发现和不允许或者失败的记录，后面新开会话直接去读这个文件夹的内容就可以知道大概的内容，场景可能不太一样，提供一个思路

那就应该考虑压缩会话了，不过我觉得上下文越长越容易出现上下文污染。所以我上面说的那些我觉得是有必要的，佬友的意见是？

是的，但是GPT的上下文总共也就256K，不可能他每次都把几百K的聊天数据都发给AI吧，这太夸张了。

所以我也就好奇是怎么做的

完整开发文档+拆分+多会话执行+审计=开发完成，上一个帖子是选择题，这个贴是数学题

要不找个agent开发的八股文看看吧，大家方法都比较统一了，完美的方法基本不存在，都有一定的取舍。codex的压缩你不用研究了，他们是服务端压缩，似乎还涉及到token和kv缓存，openai有一篇文章讲过，可以去看看claude code的压缩机制

我还是觉得会话级别的记忆不适合做成RAG，毕竟我随时会把这个会话删除掉，或者说这次对话是个垃圾对话。

RAG我还是觉得适合做长期记忆，即你最近在干什么，你的性格爱好等值得记录的事情，并不适合做会话级别。

因为一次会话，你并不知道用户要聊些什么东西，如果记录成RAG完全没用。

（当然也只是我自己的拙见）

短期记忆就是多少轮回话的一个摘要 ^-^

我现在也是这么做的，但感觉会不会有点简单 ^-^

需要一个状态机，或者一个窗口JSON来记录，就行了

这倒是一个好办法，就是不知道网上有没有免费的 ^-^

/compact，不发送全部对话内容

有点高端了佬，能不能细说呢，听不懂哇。

你现在用的是滑动窗口+上下文压缩, 我建议再加一个记忆检索的function calling, 最简单的实现是把所有会话存在md文件里, 利用linux的shell进行检索, 效果应该就够用了, 再复杂点的可以了解下mem0这类的东西

level 1：完整对话

level 2：摘要

level 3：更短摘要

level 4：任务状态卡（state card）

对对对，这个可以，谢谢佬提供思路

把codex拆了看它是怎么做上下文压缩的