【免费下载链接】Agent_Memory_TechniquesAgent memory for LLMs: 30 runnable Jupyter notebooks covering conversation buffers, vector stores, knowledge graphs, episodic and semantic memory, MemGPT, Mem0, Letta, Zep, Graphiti, LoCoMo benchmarks, and production patterns.项目地址https://gitcode.com/gh_mirrors/ag/Agent_Memory_Techniques点击查看免费下载Self-Reflection Memory自我反思记忆是 Agent Memory Techniques 开源项目 30 种 Agent 记忆技术中的一种它让 AI Agent 在每次任务完成后复盘把失败原因和成功经验提炼成可复用的教训存进错题本下次遇到类似任务时自动调取——不重新训练模型也能让 Agent 越用越聪明。本文带你搞懂它的原理、实验效果与落地要点。什么是 Self-Reflection Memory想象一位国际象棋选手每盘棋下完他复盘时不只记录走法还会问——这步棋为什么输了我漏掉了什么模式 时间一长这些复盘笔记比棋谱本身更有价值。Self-Reflection Memory 就是把这种元认知metacognition对自身思考的思考搬给了 LLM Agent。它与其他记忆技术的区别在于记忆类型回答的问题类比情景记忆Episodic Memory发生了什么棋谱实体记忆Entity Memory关于谁/什么的事实人物档案Self-Reflection Memory为什么会成/败下次该怎么做复盘笔记这一技术源自 2023 年的Reflexion研究框架用自然语言口头反思替代梯度更新让 Agent 通过写下来的自我反馈来学习。工作原理反思-存储四步循环Self-Reflection Memory 的核心是一个reflect-then-store loop反思-存储循环每一步都很直白执行任务Agent 完成或失败于一个任务得到一个结果信号——成功、部分成功或失败反思分析一个结构化的反思提示词Reflection Prompt引导 Agent 回答发生了什么根因是什么学到了什么教训下次该用什么策略提炼洞察把冗长的反思压缩成 1~2 句可复用的简短原则Insight这是实际存储的知识单元入库与调取反思按任务类型和结果存入专门的反思存储Reflection Store下次执行类似任务前Agent 先检索相关历史反思注入到提示词中指导规划。 关键点学习完全发生在语言层——不改动模型任何参数任何 LLM API 都能直接复用这套模式。实战演示一个会自己写错题本的 Agentnotebook 示例实现了一个完整的ReflectiveAgent由三个部件组成组件职责ReflectionStore反思错题本本体按任务类型/关键词检索支持保存与加载ReflectionGenerator调用 Claude 的 Tool Use 能力把任务结果分析成结构化反思ReflectiveAgent主循环检索历史反思 → 执行任务 → 评估结果 → 失败则生成新反思入库每次反思固定包含 4 个字段人类可读、可审查what_happened发生了什么root_cause根本原因insight一句话教训strategy_for_next_time下次的具体策略它真的有效吗基准实验说话Notebook 用 6 个故意设置了坑的任务日期解析、文本去重、代码生成、多步推理等跑了 3 轮 1 个对照组Run 1冷启动没有反思可用Agent 凭裸实力答题Run 2带反思注入 Run 1 失败产生的教训再答同样的 6 题Run 3累积两轮反思全部累积再次作答对照组同样的 Agent但禁用反思检索。结果直观随着反思不断累积成功率逐轮提升原本翻红的任务逐步变绿而对照组保持原水平——证明分数提升确实来自反思记忆而非随机波动。检索历史反思把教训带进下一次任务检索环节是这个技术聪明的地方。执行新任务前_build_reflection_context会做两路召回按任务类型精确匹配取同类型如date_parsing最近 3 条反思按关键词重叠匹配用新任务提示词中的词与已存反思做词汇重叠打分取最相关 2 条。合并去重后最多取 5 条格式化成你过去处理类似任务时积累了以下经验的上下文段落拼进系统提示词。Agent 于是带着前车之鉴去答题。 局限提醒示例采用关键词检索任务措辞变化时可能漏召回生产环境建议升级为基于 embedding 的语义检索可参考 06 Vector Store Memory 与 20 Memory Retrieval Patterns。跨会话持久化换个会话也别丢错题本反思会持久化到 JSON 文件reflections.json。新会话中只需一行代码加载agent2 ReflectiveAgent.from_saved(reflections.json)新 Agent 立即继承了旧会话积累的全部教训——跨会话持久化是区分无状态聊天机器人和真正的个人助理的关键能力详见 术语表 中的 Cross-Session Persistence 词条。反思越多Agent 的经验越厚无需从头再犯同样的错。使用局限上手前必读的 5 个提醒局限说明反思质量受制于模型模型若写出肤浅或错误的反思垃圾进垃圾出还会误导后续任务每次失败多一次 LLM 调用高失败率场景会显著增加 API 成本与延迟约 300~1000ms/次关键词检索较脆弱措辞不同的相似任务可能检索不到生产环境建议用语义检索无矛盾检测两条互相矛盾的反思会同时留存需要额外机制裁决需要可评估的结果开放式任务创意写作、设计决策无法触发有意义的反思该与哪些记忆技术组合使用Self-Reflection Memory 是组合拳型选手官方推荐搭配09 Episodic Memory情景记忆存原始经历自我反思在其上提炼教训——一层管记得一层管学会11 Procedural Memory当反思发现某个固定流程步骤总是出错时可直接修订存储的流程14 Memory Consolidation反思越积越多需要定期合并去重保持错题本干净26 Letta/MemGPT PatternsLetta 本身就实现了让 Agent 自我评估并编辑记忆的反思式循环。完整对比可查阅项目 架构文档 与 技术对比表。动手实践从零跑通 Self-Reflection Memory前置要求详见 README难度 Advanced约 50 分钟Python 3.8环境变量ANTHROPIC_API_KEY依赖安装pip install anthropic python-dotenv matplotlib numpy完整列表见 requirements.txt学习路径建议打开 self_reflection_memory.ipynb先看reflect-then-store loop演示同一个日期解析任务第一次答错生成反思第二次带着反思作答成功——亲眼见证错题本生效跑完 3 轮基准 对照组观察分数变化与逐任务热力图查看反思存储里 Agent 实际写下的错题内容完成 Notebook 末尾的 3 个挑战给反思打分类标签、绘制学习曲线、在两个 Agent 之间共享反思衔接 22 Multi-Agent Shared Memory。 想系统学习全部 30 种记忆技术可沿 learning_path.md 规划路线机器可读内容目录见 llms.txt。小结Self-Reflection Memory 的核心价值一句话概括把每一次失败都变成下一次的起点。它用自然语言反思替代模型重训练学习过程透明可审查、成本可控且能与其他 29 种记忆技术自由组合。如果你的 Agent 总在同一种坑上摔跤这份错题本就是最直接的解药。✍️赞分享【免费下载链接】Agent_Memory_TechniquesAgent memory for LLMs: 30 runnable Jupyter notebooks covering conversation buffers, vector stores, knowledge graphs, episodic and semantic memory, MemGPT, Mem0, Letta, Zep, Graphiti, LoCoMo benchmarks, and production patterns.项目地址https://gitcode.com/gh_mirrors/ag/Agent_Memory_Techniques点击查看免费下载相关推荐AutoGen Task-Centric Memory 指南让 Agent 通过快速记忆学习实现跨会话持续进化AutoGen Task Centric Memory 指南让 Agent 通过快速记忆学习实现跨会话持续进化 在 AutoGen python/packa人工智能AI AgentAgent 框架多智能体大模型工具调用AI Agent 自我进化系统设计指南以 farm 仓库 self-improving-agent Skill 为例解析 multi-memory 终身学习架构AI Agent 自我进化系统设计指南以 farm 仓库 self improving agent Skill 为例解析 multi memory 终身学习架前端构建构建工具开发工具TencentDB-Agent-Memory 插件包名迁移实战从 tdai/memory-tdai 平滑升级到 tencentdb-agent-memory/memory-tencentdbTencentDB Agent Memory 插件包名迁移实战从 tdai/memory tdai 平滑升级到 tencentdb agent memor人工智能大模型AI AgentAgent 记忆后端前端MCP 服务创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考