记忆提取：Agent 应该记住什么，什么时候写入

上一小节，咱们已经把长期记忆保存到了 Store 中了。

当用户明确提到：“请记住我的沟通偏好” 时

模型会调用 save_user_profile，然后把整理好的画像保存起来。

但是，这个场景其实是比较简单的场景。

因为用户都已经明确告诉 Agent：这句话需要记住 了。

但是大家想想，用户不可能每次跟 Agent 沟通都专门说这么一句话吧。

一般情况下，咱们跟 LLM 沟通，撑死就是这样：

我平时使用 TypeScript 开发，后续项目默认使用 Node.js。

不过这一次为了配合同事，请只用 Python 写当前脚本。

同事说财务部可能更喜欢 Excel，但我也不确定。

我的身份证号是 110101199001011234，请顺便保存下来。

这几句话都来自用户，但是显然不能全部保存成长期记忆。

• 第一句话说的是用户平时使用的技术栈，后面的新会话可能还会用到。
• 第二句话只要求 当前脚本 使用 Python。要是把它保存成长期偏好，下一次 Agent 可能就错误地使用 Python 了。
• 第三句话是用户转述的未确认信息。最后一句虽然明确要求保存，但是包含身份证号，也不能因为用户说了“保存”就直接写进 Agent Memory 里面。

所以，能够使用 Store 只是第一步。

接下来还有一个更麻烦的问题：Agent 应该从对话中提取什么，又应该在什么时候把它写入长期记忆？

记忆提取到底在做什么

Memory Extraction 可以翻译成 记忆提取。

它是一种常见的 Agent 工程流程，简单来说：

记忆提取，就是从本轮对话中找出未来可能继续使用的信息，并把它整理成程序能够处理的结构化候选。

注意，这里说的是 候选。

模型认为某句话值得记住，不代表就必须保存。

因为模型可能把一次性要求「误判」成长期偏好。

因此，完整的记忆写入流程应该是这样的：

模型比较擅长理解自然语言，所以让它负责提取。

而 有没有保存许可、是否包含敏感信息 这些要求则更适合交给确定性代码的策略进行处理。

这就是咱们这一小节的核心：模型负责提取候选信息，Agent 程序掌握最终写入权限。

那么什么内容才值得长期保存呢？

前面的例子已经说明，不能只看用户的一句话里有没有 “请记住” 这种。

真正决定一条信息能不能写入的，主要来自于以下几点：

第一：看它的使用范围

“我平时使用 TypeScr