折腾了一圈 Agent 记忆，最后发现最简单的东西反而最好用。
越复杂的记忆系统，越容易丢记忆
有人给 Agent 接了 Mem0、向量库、知识图谱，功能看着很全，实际用起来却经常丢记忆。原因也很简单：切片太碎、自动摘要、关键词过滤、召回失败，任何一个环节出问题，Agent 就会觉得：
“我没见过这条信息。”
纯 Markdown，反而最稳
反而是最普通的 Markdown 文件更稳定。规则直接写进去，Agent 用的时候直接读，没有复杂中间层，也没有什么黑盒。
而且最大的好处是：人能直接看，也能直接改。AI 记错了，打开文件改掉；规则变了，直接更新；想看以前改过什么，就用 Git 看历史记录。
从聊天记录到 Skills 的渐进沉淀
其实比较合理的做法不是一开始就搭很复杂的记忆系统，而是先让 Agent 在 Markdown 里积累经验。用久了以后，再把这些经验慢慢整理：长期有效的，放进长期记忆；只针对某个项目的，放进项目记忆；经常重复执行的流程，再整理成 Skills。
最后就会变成：聊天记录 → 经验 MD → 长期记忆 / 项目记忆 → Skills，这样反而更清楚。
模型越强，越该做减法
模型能力越来越强以后，很多东西可能真的没必要搞得太复杂。把标准、规则、踩过的坑整理成几个干净的 Markdown 文件，很多时候就已经够用了。
有时候折腾了一堆 Prompt、Workflow、向量库、知识图谱，最后才发现：九九归一，还是纯文本最省事。
来源：见山Jetson
- 折腾一圈 Agent 记忆才发现，接 Mem0、向量库、知识图谱反而经常丢记忆，切片太碎、召回失败让 Agent 总说”没见过这条信息”，纯 Markdown 反而最稳。
- 越复杂的 Agent 记忆系统越容易出问题，没有黑盒的纯文本 Markdown 文件让人能直接看、直接改，规则变了更新即可，才是最省事的方案。
- 合理的 Agent 记忆做法不是一上来就搭复杂系统，而是先让 Agent 在 Markdown 里积累经验，用久再整理成长期记忆、项目记忆与 Skills。
- Agent 记忆的渐进沉淀路径清晰可操作：聊天记录变成经验 MD，再分流到长期记忆与项目记忆，重复流程再固化为 Skill，层级分明。
- 你的 Agent 总”没见过这条信息”，根因往往在切片太碎、自动摘要、关键词过滤或召回失败，任一环节出问题都会让记忆断链。
- 随着大模型能力越来越强，很多记忆中间层没必要搞得太复杂，把标准、规则、踩过的坑整理成几个干净 Markdown 文件往往就够用。
- 复杂记忆系统的真凶是中间层，自动摘要和关键词过滤会悄悄丢信息，而纯文本 Markdown 没有黑盒，可读可改可追溯。
- 用 Git 管理 Agent 记忆的 Markdown 文件，每次改动都有历史记录，人能直接审阅和修正 AI 记错的内容，稳定性远超黑盒方案。
- 长期记忆、项目记忆、Skills 三层该怎么分？长期有效的进长期记忆，项目专属的进项目记忆，重复流程固化成 Skill。
- 见山Jetson 的核心观点很朴素：Agent 记忆最好的保存方法就是别把它搞复杂，折腾一堆 Prompt、向量库后最终发现纯文本最省事。
