幽灵上下文：矛盾信念如何破坏长期运行智能体的记忆
你的智能体已经与同一个用户对话了400次。六个月前她说她更喜欢Python。三个月前她的团队迁移到了Go。上周她提到了一个新的TypeScript项目。这三个事实现在都存储在你的向量数据库中——语义相似、时间顺序混乱、权重相同。下次她请求代码帮助时，你的智能体会同时检索到这三条信息，将这团矛盾的内容递给模型，然后自信地为TypeScript场景生成带有Go风格的Python代码。
这就是幽灵上下文：那些永不消亡的过时信念，与其替代版本一同被检索，悄然腐蚀智能体的推理。
这个问题之所以被低估，是因为它不会产生可见错误。智能体不会崩溃，不会拒绝响应，而是生成流畅自信的输出——只是微妙地、代价高昂地出错了。
为什么记忆系统在设计之初就存在缺陷
大多数智能体记忆实现都是纯追加日志：新事实到达，嵌入后存储。旧事实无限期保留索引。检索发生时，向量搜索返回语义上接近的内容——这经常同时包含当前世界状态和智能体三个月前所相信的一切。
核心技术缺陷在于向量存储对时间是盲目的。一月存储的事实和四月存储的事实占据同一个扁平命名空间。相似性搜索没有"哪个事实取代了哪个"的概念。模型以同等置信度、同等位置在检索上下文窗口中看到"用户偏好Python"和"用户使用Go"，只能猜测该信任哪一个。
实证研究证实了这种损害。LongMemEval（ICLR 2025）对跨多轮聊天历史500个问题的智能体进行了基准测试，发现商业助手在需要知识更新的任务上准确率下降30%——正是用户偏好或事实已经改变但旧记录仍然存在的情况。失败不是检索找不到信息，而是检索找到了太多信息，包括过时版本。
一个相关问题称为前摄干扰，更难修复。研究表明，随着记忆中矛盾更新数量的增加，检索准确率呈对数线性下降——即使正确的最新答案位于上下文末尾。模型参数量是影响鲁棒性的主要因素，上下文窗口长度并非如此。你无法通过扩展窗口来解决这个问题。
幽灵上下文产生的四种失败模式
理解矛盾记忆降低智能体行为的具体方式，有助于确定优先修复的内容。
更新盲区。 智能体根据旧版本事实行动，因为它与新版本一同被检索，而模 型给旧条目赋予了更高权重。这在用户偏好、环境配置以及任何逐渐变化而非明确更新的内容中尤为常见。用户说过一次"我转到Go了"；Python却存在于15条旧记忆中。
自我强化错误。 智能体错误得出"API端点X在参数Y下失败"后，将该信念添加到记忆中。未来的检索会浮现该信念，智能体因此回避该代码路径，再也不会收集任何能推翻它的新证据。错误变得举足轻重。
过度泛化溢出。 来自一个上下文的经验教训会污染另一个上下文中的推理。"Python在ML推理中速度慢"（对某些工作负载而言大体正确）会在用户询问用于网络服务的Python时被检索，而彼处并不相关。嵌入空间中的上下文相似性并不意味着与当前任务的上下文相关性。
多轮复合失败。 在多智能体系统中，失败会叠加。智能体A检索矛盾记忆并产生略有偏差的输出。智能体B将该输出作为输入，检索更多记忆，并基于被污染的前提做出决策。当错误浮现时，它已经经历了三个推理步骤，极难追溯到最初的矛盾检索。
生产系统的不同之处
处理好这个问题的系统有一个共同洞见：问题主要在写入路径，而非读取路径。大多数团队投资于检索优化——更好的嵌入、混合搜索、重排序。矛盾问题在这之前就已产生。
每个事实的时间归属。 Zep的Graphiti引擎等生产记忆系统为每个存储事实分配一组时间戳：事件在现实中发生的时间、被摄取的时间以及最后更新的时间。 图边带有valid-from和valid-until属性。当用户说"我搬到上海了"，系统记录新事实并明确将"我住在北京"标记为时间上已被取代——它仍然在图中，但被标记为无效。检索会遵守这些标记。Zep发布的基准测试结果显示，在知识更新任务上比纯向量基线提高了18.5%的准确率，延迟降低90%，因为检索索引更小、更一致。
写入时的显式矛盾检测。 Mem0的图增强变体不是追加每条新记忆，而是在提交事实前运行冲突检测步骤。系统判断传入事实是否应触发ADD（不存在语义等价项）、UPDATE（补充现有记忆）、DELETE（新事实矛盾并替换旧事实）或NOOP。这将记忆写入操作从被动日志转变为主动策展步骤。系统自我编辑，而非积累矛盾。
差异化时间衰减。 并非所有事实都具有相同的新鲜度特征。偏好变化缓慢；行动和事件很快变得无关紧要。A-MAC这一智能体记忆评估框架，用特定类型的衰减率来建模：偏好每日衰减0.5%（可持续数年），事实每日衰减2%，行动每日衰减20%。在检索时，使用指数移动平均的近期加权会降低旧记忆相对于近期记忆的评分。这并不解决结构性问题——矛盾事实仍在存储中——但它在不删除可能仍具真实相关性的旧信息的前提下，将检索概率分布偏向近期。
双缓冲记忆晋升。 新形成的记忆不应直接进入长期存储并获得永久检索资格。TiMem的方法将新记忆放置在"热"缓冲区中经历一个试用期，在此期间进行重新验证、与现有记忆去重，以及重要性评分，然后才晋升。这会在矛盾传播之前捕获它们，并过滤掉本会污染长期存储的低质量提取内容。
