Q：短期记忆压缩后，过了很长时间又需要当时完整信息怎么办？
来源：AI初创Agent开发实习
新手答：“那就别压缩呗，全保留。”
高手答：
这是记忆系统“有损压缩”的经典两难——压缩省 token 但丢细节。解决方案是分层存储：
- 双写策略：压缩后的摘要送入上下文供模型使用，但原始完整对话同时持久化到数据库/文件系统（不删除原文）
- 按需回溯：当模型需要历史细节时（如用户说“我之前第三轮提到的那个方案”），Agent 根据时间/关键词去原始存储检索完整内容，临时注入上下文
- 摘要 + 指针：压缩摘要中保留关键片段的“指针”（如 session_id + turn_id），需要时通过指针回查原文
- 分级 TTL：热数据（近期对话）保留完整，温数据（几天前）保留摘要+原文可查，冷数据（很久前）只保留摘要
- 重要性标记：压缩时对“含决策/承诺/关键事实”的对话轮次打标，这些永远保留完整版本
差距在哪：面试官要看你是否理解“给模型的上下文”和“系统持久化的完整记录”是两码事——上下文可以压缩，但原始数据不能丢。