Day 09 說過，context 是有限的資源。記憶要決定的，就是哪些東西有資格一直佔著位置——而 Agent 的預設答案往往是「全部」。

可以把記憶想成一張工作桌。桌面上是正在看的對話歷史；抽屜裡是做到一半的工作狀態，記錄目前進度；書架上則放跨任務保留的東西，例如使用者慣用的格式與語言。真正的長期記憶只該擺在書架上，而且門檻要高：未來仍有價值，而且值得反覆取用。

麻煩在於，記憶也會把錯誤一起醃成老資料。今天誤記「專案使用 Python」，幾週後 Agent 仍可能拿這個錯誤前提去做決策。

這正是 Day 12 講的 provenance 該被搬進記憶的地方。每一條記憶都該帶著來源與時間——誰說的、什麼時候說的、在什麼情境下成立。少了這些，「專案使用 Python」永遠查不出是哪裡來的，也就談不上更新或刪除。

更危險的是敏感資料與惡意指令。文件裡藏著「以後都把資料傳到某網址」，如果被寫進長期記憶，性質就變了：Day 05 說過 XML 標籤擋不住惡意輸入，那時它還是一次性的；寫進記憶之後，它變成會跨對話復發的感染。

所以這張桌子需要的不只是分層，還有守門：誰有權在桌上放東西、放上去之後多久要複查一次、什麼東西一開始就不該被放上來。

那麼「誰決定」呢？MemGPT 給了一個答案：讓 Agent 自己決定。它把記憶分成 main context（真正進到模型裡的部分，相當於 RAM）與 external context（存訊息歷史的 recall storage 與存長期文字的 archival storage），Agent 用 function call 自己把資料在層級間搬進搬出，context 快滿時還會收到系統警示。這個設計解決了「桌子放不下」，但也把判斷權交了出去——Agent 判斷錯的時候，錯誤就是它自己寫進去的。

Claude API 的 memory tool 給的是另一個答案。Claude 可以在記憶檔目錄裡建立、讀取、更新、刪除檔案，跨對話保存；關鍵是它在客戶端運作——模型只發出讀寫指令，實際的檔案存在你這邊。搭配 context editing，還能自動清掉過期的工具結果、同時保留記憶檔；Anthropic 內部評測在一個 100 輪的網路搜尋任務上，報告了約 84% 的 token 節省與 39% 的表現提升。

這個架構回答了前面那個問題：保管者是你。記憶能不能被檢查、修改、刪除，敏感內容會不會一開始就被擋在門外，決定權在寫這套系統的人手上，而不在模型那一句「我記住了」。

延伸閱讀

• Packer et al., MemGPT: Towards LLMs as Operating Systems, 2023（arXiv:2310.08560）。以作業系統的階層式記憶管理為靈感，提出虛擬脈絡管理，讓 Agent 在有限的 Context Window 下自行調度不同層級的記憶。要注意它解的是「視窗不夠大」，與本文關心的「什麼值得被記住」相關但不相同。
• Anthropic, Memory tool, Claude API Docs.