📰 概要

AI代理如何记住"你是谁"和"你们聊过什么"？这是构建长时对话系统的核心问题。

2026年4月30日，AWS发布AgentCore Memory命名空间设计指南，为大规模AI代理记忆管理提供架构参考。

核心思路：把记忆分层组织在命名空间里，类比DynamoDB分区键或S3文件夹结构。支持三种检索API：语义检索、枚举检索、直接查询。

---

🔍 解读

记忆管理是AI Agent落地的关键技术挑战之一。

AgentCore Memory的命名空间是长期记忆的分层路径。你可以把它们想象成文件系统里的目录结构——每个路径对应一个逻辑区域，存储不同类型的记忆。

命名空间模板支持三个变量：{actorId}（用户身份）、{sessionId}（会话ID）、{namespace}（自定义命名空间）。

当事件到达时，这些变量会被解析为具体路径。

三种检索API各司其职：语义检索基于语义相似度查找记忆；枚举检索列出某个命名空间下的所有记忆；直接查询针对已知ID的记忆记录。

---

💎 深挖

四种记忆策略

语义记忆（Semantic Memory）：捕获对话中的事实和知识。例如"这家公司有500名员工"。随时间累积，跨会话相关。

偏好记忆（Preference Memory）：捕获用户的选择和风格。例如"用户偏好用Python开发"。同样是长期累积的。

情景记忆（Episodes）：存储会话中的具体事件和上下文。通常按{sessionId}组织，保留会话历史。

反思记忆（Reflections）：对语义记忆的提炼和总结。按{actorId}组织，便于快速检索核心信息。

命名空间设计的常见模式

Actor范围模式（Actor-scoped）：将特定用户的语义和偏好记忆聚合在同一命名空间下，不管来自哪个会话。

跨Actor模式（Cross-actor）：管理员需要跨用户检索信息，同时保持每个用户记忆独立。例如客服场景，需要查询其他用户报告的问题，但又不想混在一起。

三种检索API的使用场景

语义检索（RetrieveMemoryRecords）：在Agent交互过程中，查找与查询语义最相关的记忆。这是主要检索方式，基于语义相似度而非精确匹配。

枚举检索（ListMemoryRecords）：需要列出某命名空间下所有记忆时使用。例如在管理界面展示用户存储的偏好，或进行批量操作。

直接查询（GetMemoryRecord/DeleteMemoryRecord）：已知具体记忆记录ID时使用，用于直接读取或删除特定记忆。

为什么这值得关注

这是AWS在Agent基础设施层面的具体实践指南。

当Agent从实验走向生产，记忆管理成为关键。命名空间设计本质上是在解决"记忆怎么组织才能被高效检索"的问题。这个指南提供了可复用的设计模式。

对于构建多智能体系统的团队，这是值得参考的架构思路。

什么情况不建议用

如果你的Agent只需要短时单轮对话，记忆管理方案可能完全不需要。这些命名空间设计针对的是需要跨会话保持状态的生产场景。

如果你的数据规模较小（用户数少、会话数有限），简单的键值存储可能更直接，上这套架构反而增加复杂度。

如果你的Agent不需要跨用户检索信息，单租户场景下命名空间的价值有限。