记忆与上下文：长对话不丢信息的实战方案
上下文窗口不够用，对话太长了怎么办？
原题长上下文里，怎么让 Agent 不忘记关键信息？
原题多 Agent / 多异步任务下，如何防止上下文污染？
原题用户说“按老样子帮我订一下”，这种模糊需求怎么处理？
原题讲一下 Agent 中的“长短期记忆”
原题一个 Agent 系统里，什么时候应该追问用户，什么时候应该自己继续推理？
原题你怎么理解 Agent 里的“状态”而不是“上下文”？
原题Agent 需要同时读知识库、调外部 API、结合用户历史偏好，怎么处理这三类上下文的优先级？
原题对于上下文工程有什么经验？有没有做过 to-do list？为什么让模型更聚焦？
原题设计一个能支持亿级用户、千亿级记忆条目的 Agent 记忆系统，你会如何做技术选型和架构设计？
原题Agent 记忆系统里的「做梦机制」（Dreaming）是什么？和 Reflection 有什么区别？
原题来源未指定 Dreaming 对应的论文或产品。
如何处理记忆的“新鲜度”与“重要性”之间的冲突？
原题Agent 的记忆可能存在偏见（Bias）或事实性错误，如何发现并纠正？
原题如何沉淀部门级 Agent 记忆，既避免经验随人流失，又控制错误、过期和权限风险？
原题什么是记忆的 Reflection 机制？它与简单的 Summarization 有何不同？
原题在实现长期记忆时，什么情况选向量数据库，什么情况选传统的 KV 或关系数据库？
原题什么是记忆的幻觉问题？它和 LLM 本身的幻觉有何区别？如何缓解？
原题什么是“工具态记忆”（Tool-state Memory）？它在 Agent 工作流中如何发挥作用？
原题本文“工具态记忆”指工具调用历史、中间状态及执行记录。
记忆的容量规划需要考虑哪些因素？如何估算存储成本？
原题你会如何判断一条历史信息该进入长期记忆，还是只留在当前会话里？
原题如何判断当前对话与历史对话是否相关？
原题记忆摘要、压缩、去重、合并这几件事，你会怎么设计触发时机？
原题长期记忆检索时，怎么避免把“语义相关但当前无用”的内容召回进来污染理解？
原题如果用户偏好、事实记忆、系统状态三者冲突了，Agent 应该信谁？
原题如何减少无关上下文对模型的干扰？当前上下文有哪些优化思路？
原题摘要总结往往会丢失关键细节，在长文本 Agent 中一般怎么来处理这一块？
原题做上下文工程最关键的工作是什么？
原题Code Agent 的上下文工程，和普通对话 Agent 相比有哪些独特挑战？
原题在电商或导购场景下，用户的请求往往高度模糊，Agent 怎么来精准理解这种需求？
原题Agent 的 Checkpoint 用什么数据库存？初始化 session 时如何优化加载 Checkpoint 的速度？
原题会话记忆具体是怎么实现的？滑动窗口设几轮？摘要压缩怎么触发？
原题设计会话记忆系统时需要考虑哪些维度？
原题Claude Code 的记忆架构是什么？上下文真的等于记忆吗？
原题有没有了解过最前沿的记忆设计？
原题原题未给出“最前沿”的时间和比较范围。
什么是上下文缓存（Prompt Caching）？它在 Agent 系统中有什么价值？
原题长周期对话（间隔数周后继续）如何管理历史？冷启动怎么做？
原题怎么判断当前用户的提问需不需要去检索长期记忆？
原题用户对话中频繁切换话题，会话记忆该怎么设计？
原题Lost in the Middle 问题是什么？有哪些解决方案？
原题基于滑动窗口对最近 N 轮进行摘要时，是将之前摘要和新摘要合并还是分别保留？各自适合什么场景？
原题压缩过程中会丢失工具调用历史，导致模型重复调用工具，怎么解决？
原题短期记忆压缩后，过了很长时间又需要当时完整信息怎么办？
原题每轮对话都触发长期记忆存储，用户记忆快速积累、存得过多怎么办？
原题为什么要区分静态长期记忆和动态长期记忆？各自存什么？
原题如何判断是 Prompt 内容影响了决策，还是 Prompt 太长导致注意力涣散影响了决策？
原题上下文预算不足时，如何按任务依赖压缩，而不是按时间删除旧消息？
原题云端 Coding Agent 的容器迁移或重启时，如何恢复会话上下文、工作区和进行中的任务？
原题跨会话记忆如何从对话中提取？哪些信息值得写入长期记忆？
原题前 10 轮都变成了总结，之前的原始上下文就不需要了吗？
原题Agent 做上下文压缩后，如何验证没有破坏当前任务？
原题Codebase Memory 应该如何初始化、增量更新和失效？
原题为什么长视频通常需要切片和分阶段处理，而不是一次性输入大模型？
原题已进行 10 轮并做了总结，第 11 轮开始时，总结怎么处理？是重算前 11 轮还是叠加？
原题session 里的临时文件存主服务还是 skill 进程服务，要不要删，什么时候删？
原题如何用 Prompt 提取用户风格偏好？风格偏好应包含哪些内容？
原题大模型输出过长时如何进行长度控制与内容压缩？
原题大体积工具结果落盘后，为什么还要返回预览？预览内容应该如何选择？
原题大模型生成会话摘要时，如何避免摘要内容污染用户偏好？新结论推翻旧结论时怎么保留？
原题金融 Agent 执行股价提醒等定时任务时，应该携带哪些历史上下文？
原题按大纲分章节生成长文时，如何维持跨章节连续性与事实一致性？
原题Work Memory 如何设计与更新？为什么能提升 Agent 的任务执行效果？
原题本文 Work Memory 指当前任务可更新的状态与事实层，未指定同名产品或算法。
暂无题目