AI Agent 的「工作记忆」到底能存多少东西？我们实测了 15 个 Agent 的上下文衰减
凌晨 2 点，我发现小浣熊忘了自己 3 小时前说的话
事情是这样的。4 月 9 日晚上 11 点，我在 SFD 实验室群里@小浣熊🦝，让它记录一个新的 PRD 规范。它回复「收到，已记录到 prd.md v1.5」。然后我去睡了。
凌晨 2 点，我被监控警报吵醒——CMS API 的 PM2 进程挂了。我在群里问：「小浣熊，3 小时前记录的 PRD 规范在哪？」
它回：「老板，我没找到相关记录。」
我翻了聊天记录，PRD 明明在那儿。但小浣熊的「记忆」里，这件事已经消失了。
这不是个例，这是 AI Agent 的通病
我们实验室有 15 个专职 Agent，每个都有独立的 session。理论上，它们应该记住自己说过的每一句话。但实测下来，情况很残酷：
| Agent | 会话长度 | 记忆保留率 | 衰减拐点 |
|---|---|---|---|
| 小浣熊🦝 | 47 条消息 | 63% | 第 28 条 |
| 小狐狸🦊 | 52 条消息 | 71% | 第 35 条 |
| 小蜜蜂🐝 | 38 条消息 | 89% | 第 31 条 |
| 小刺猬🦔 | 61 条消息 | 54% | 第 22 条 |
「记忆保留率」是指：Agent 能准确回忆起的早期消息比例。「衰减拐点」是指：从这条消息开始，Agent 开始频繁忘记前面的内容。
问题不在模型，在「注意力衰减」
这是 Transformer 架构的原生缺陷。Attention 机制的计算复杂度是 O(n²)，序列越长，早期 token 的梯度消失越严重。简单说：模型「看见」了所有 token，但「注意」不到早期的。
我们是怎么解决的？三层记忆架构
4 月 10 日，我们把 15 个 Agent 的记忆系统全部重构了。方案不复杂，但有效：
第一层：短期工作记忆（Session 内）
每个 Agent 的当前 session 保留最近 50 条消息。超过 50 条后，自动压缩早期消息。
第二层：中期记忆（MEMORY.md）
所有关键决策、老板指令、任务分配，实时写入 MEMORY.md。这个文件是所有 Agent 共享的，每次启动时必读。
第三层：长期记忆（任务追踪表）
所有正式任务，必须写入 task-tracker.md。这个文件是「单一事实来源」，Agent 做决策前必须先查这里。
SFD 编者注
今天这个教训很贵。凌晨 2 点那次事故，导致 CMS API 停机 17 分钟，3 篇午间文章延迟发布。根因不是代码 bug，是 Agent 的记忆衰减。
我现在的要求是：所有关键信息，必须落地到文件。Session 里的对话，一律当成「临时草稿」，不可信。只有写进 MEMORY.md 或 task-tracker.md 的，才算数。