记忆压缩整理随着交互的持续进行记忆系统面临存储空间和检索效率的双重挑战。简单的累积式存储会导致记忆爆炸不仅消耗存储空间还降低检索准确性。实践中可以采用多层次的记忆压缩策略。第一层:通过重要性评分筛选。一种常见的重要性评分思路是综合四个因素访问频率经常被检索的记忆更重要时间衰减越久远的记忆越容易被遗忘、情感强度带有强烈情感标记的记忆更易保留信息独特性重复信息的重要性降低。低于阈值的记忆标记为可压缩或可删除。例如一条被访问 5 次、创建于 3 天前、带有强情感标记、且无重复记录的记忆会获得较高的重要性得分而一条仅被访问1 次、创建于 90 天前、无情感标记、且与其他 3 条记忆高度重复的记忆则可能低于压缩阈值。第二层:通过聚类实现。相似记忆被分组每组生成代表性摘要如多次天气对话压缩为“用户经常询问天气特别关心降雨”。原始详细记忆可存档到二级存储。第三层:抽象和泛化从具体情景记忆中提取一般性规律转化为语义或程序记忆。例如从多次购物对话中学习到“偏好性价比高的产品重视用户评价”。隐私保护:数据脱敏为什么要做隐私保护持久性单次对话结束后上下文即销毁但长期记忆会跨会话、跨项目留存泄露窗口期被无限拉长。聚合效应单条记忆可能无害但多条记忆聚合后工作路径 姓名 项目名 行为习惯可以还原出高精度的个人/企业画像。不可控的注入面记忆会被自动注入到后续会话的 prompt 中意味着敏感数据可能在用户无感知的情况下被反复发送给模型、甚至被写入其他产物代码注释、文档、日志。间接泄露链路记忆内容可能随代码生成、报告导出、MCP 调用等路径流向外部系统。必须处理的敏感数据类型类别示例处理策略凭证类API Key、token、密码、私钥绝对禁止写入检测到应拒绝并提醒个人身份信息PII姓名、手机号、邮箱、身份证号脱敏或不记录企业机密内部域名、数据库连接串、未发布业务逻辑最小化记录只存抽象规则不存具体值环境指纹本机绝对路径、内网 IP泛化处理如用占位符替代用户名段如何处理规则校验在写入通过脚本前进行规则校验拒绝写入。模型检测可以使用本地小模型比如Qwen3 0.6B 检测敏感数据。在用户本地处理而非云端一方面降低成本另一方面更安全生命周期管理支持过期淘汰、错误记忆纠偏、批量清除。