Agent正在长出记忆：Cloudflare如何让AI忘掉该忘的、记住该记住的

---

Cloudflare上周发了三篇关于Agent的基础设施文章，件件都是硬货。

但最让我盯着看了十分钟的，是那个叫Agent Memory的东西。

因为它解决了一个所有AI开发者都踩过、但很少有人真正想明白的问题——

当你让一个Agent跑三个月，它凭什么还记得"这个用户喜欢pnpm而不是npm"？

---

上下文窗口不是记忆，它是一个漏水的桶

现在的Agent，本质上是一个"带着豪华笔记本的失忆症患者"。

上下文窗口再大，也是有限的。而且有个诡异的现象叫context rot——上下文越满，模型越容易忽略真正重要的东西。

你跟它说"用pnpm"，说了一百遍，它第一百零一次还是给你跑npm。你以为它不听话，其实是它已经分不清第一百零一次说的和前面一百次有什么不一样。

大多数团队怎么解决？定期压缩上下文。把对话历史提炼、截断、塞进更短的摘要。

这听起来合理。

但问题是——压缩的那一刻，你可能正在扔掉真正重要的东西。

一个用户说"API限流上个月从1000提到了10000"，这句话在压缩时很可能被当成"常规操作记录"删掉。然后你的Agent三个月后还在按1000的限流配置做事情。

压缩是记忆的敌人。

---

Cloudflare的解法：建一套记忆外置的基础设施

Cloudflare上周发布的Agent Memory，做法非常直接——

别把记忆塞在上下文里。给Agent单独建一个记忆管理系统。

核心逻辑分三层：

第一层：Ingest——压缩时不扔，把对话扔进记忆管道

当Agent的harness决定压缩上下文时，它把原始对话发给Agent Memory。

Memory系统做这几件事：

1. Extractor：把对话切成块，提取"事实"（API限流从1000提到了10000）、"事件"（某天部署失败）、"指令"（用户说用pnpm）
2. Verifier：逐条验证提取的记忆是不是真的，防止幻觉记忆污染
3. Classifier：分类——Fact、Event、Instruction、Task
4. Supersession链：如果同一个事实有新旧两个版本，旧的不会被删，而是打一个"已被取代"的标记，形成一条链

这意味着什么？

你的Agent不再靠"上下文里有没有这句话"来判断真假，而是有一个独立的、经过验证的记忆库。

第二层：Recall——用搜索代替记忆

Agent不需要把所有记忆都塞进prompt。

它只需要在需要的时候，问Agent Memory一个问题：

"这个用户偏用什么包管理器？"

Memory跑一个五路检索管道——全文搜索、精确key查找、原始消息搜索、直接向量搜索、HyDE搜索——然后把结果fuse在一起，生成一个合成答案。

整个过程，模型只拿到了最终答案，不是一堆原始对话记录。

小模型干提取的活，大模型干综合的活，各司其职。

Cloudflare的内部测试数据很有意思：Llama 4 Scout（17B）负责提取和分类，Nemotron 3（120B）负责合成。合成是唯一发现"更大模型持续有帮助"的环节。其他地方，小模型已经足够好了。

第三层：Remember和Forget——精确操控记忆

模型还拿到了两个工具：

• remember：主动记住一件重要的事
• forget：主动删除一条不再正确的记忆

这让Agent对自己的记忆有了控制权。不是说上下文漏了就漏了，它可以主动选择哪些东西值得被记住。

---

实用场景：不止是"记住用户偏好"

Cloudflare自己的使用案例里，有三个场景值得单独说：

1. 团队级共享记忆

一个人跟Agent说"我们项目用GraphQL"，另一个人三个月后问同一个Agent，得到的答案不用再重新教育一遍。

记忆变成了团队的资产，而不是个人的session资产。

2. 代码审查Agent的沉默

Cloudflare有一个代码审查Agent，接入Agent Memory之后，最有用的进化不是"更聪明"——而是更安静了。

它记得某条评论上次被作者反驳过、某个模式被标记过但作者选择保留。审查意见一年比一年少，因为重复的错误不会重复出现。

这比大多数团队的知识管理工具都管用。

3. 跨Agent记忆共享

代码review bot和coding agent之间可以共享记忆。

review发现的问题，直接变成未来代码生成的参考输入。

Agent之间不再是各扫门前雪，而是形成了某种意义上的组织记忆。

---

和上下文窗口比，到底省了多少？

Cloudflare给了一个具体数字：

接入四个内部MCP server、暴露52个工具时，常规模式下上下文消耗约9400 tokens。

开启Code Mode之后，这52个工具被压缩成两个portal工具，只消耗约600 tokens。

94%的context消耗下降，而且这个数字不随MCP server数量增加而增长。

Agent Memory的效果类似——上下文窗口的负担转移到了记忆检索管道，模型只需要拿到检索结果，不需要持有原始对话。

---

为什么这件事重要

我见过太多团队在Agent里塞prompt工程、RAG、few-shot示例，把上下文窗口当成万能筐，什么都往里装。

结果是——上下文越来越长，模型越来越慢，输出越来越不稳定，成本越来越高。

Cloudflare的这套方案，核心洞察其实很朴素：

模型应该专注于推理和生成，不应该同时充当自己的记忆管理员。

把记忆抽出来独立管理，是架构上的正交分解。

就像数据库不运行在应用内存里，Agent的记忆也不应该寄生在上下文窗口里。

---

Cloudflare Agent Memory 目前在私测阶段，官网说即将公开。如果你在Cloudflare上跑Agent，建议去排队。

这可能是今年最重要的Agent基础设施升级之一。