待验证50% 置信观点精确时间

在Agent体系中，RAG通常承担长期记忆角色，弥补模型上下文窗口有限的不足

1

来源数

50%

置信度

长期有效

时效性

2026/9/15

首次发现

来源

AI Agent开发四阶段学习路线：从入门到企业级实战

涉及实体

相关事实

待验证Loop的记忆对应AI系统架构中的「外部记忆」（External Memory），与模型权重中内置的「参数记忆」截然不同，本质上是一种轻量级的RAG应用落地73% 相似待验证工作流文档配合提示词后追机制本质上是一种检索增强生成（RAG）的简化实现，用于在上下文重置后快速恢复Agent的任务认知68% 相似待验证在Agent技能路由场景中，通过RAG向量检索可以将上下文占用从数万token压缩到几百token，同时保持极高的召回准确率67% 相似已验证Agent的长期记忆可细分为情景记忆、语义记忆和程序性记忆三类61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/923903

API

curl https://kongchang.com/api/v1/knowledge/claims/923903

MCP

get_claim(id=923903)