记忆与反思

Memory 让 agent 能在多次运行之间保留有用信息。Reflection 则是在一次运行结束后，判断什么经验值得保存。

这篇教程构建一个简单循环：

1. 查询相关历史 lesson。
2. 使用这些 lesson 回答当前目标。
3. 对本次运行做 reflection。
4. 保存一条新的 lesson。

完整源码：../../../tutorials/memory-reflection.as

1. 完整程序

创建 memory-reflection.as，或者直接打开仓库里的 tutorials/memory-reflection.as：

import llm Qwen from "ollama://localhost:11434/qwen3.6"
import memory Lessons from "file://./.agentscript/tutorial-lessons.jsonl"

main agent MemoryReflection {
    model Qwen
    role "Reflective assistant"
    description "Use relevant lessons, answer a goal, then store one new lesson."

    main func(input {
        goal: string
    }) {
        past = Lessons.query({
            kind: "lesson",
            text: input.goal,
            limit: 5
        })

        result = answer(input.goal, past)
        lesson = reflect(input.goal, result, past)

        Lessons.add({
            kind: "lesson",
            text: lesson.insight,
            goal: input.goal,
            ok: result.ok
        })

        {
            result: result,
            learned: lesson.insight
        }
    }

    func answer(goal, past) {
        use goal as "goal"
        use past.summary max 2k as "relevant past lessons"

        generate({ input: "Answer the goal using any relevant lessons", max_output: 700 }) -> {
            ok: boolean
            answer
            reason
        }
    }

    func reflect(goal, result, past) {
        use goal as "goal"
        use result as "current result"
        use past.summary max 2k as "past lessons"

        generate({ input: "Extract one durable lesson for future runs", max_output: 300 }) -> {
            insight
        }
    }
}

2. 导入 Memory

Memory 是显式声明的运行时能力：

import memory Lessons from "file://./.agentscript/tutorial-lessons.jsonl"

这个例子使用 file memory，会把 JSONL 记录保存在 .agentscript/ 下。这个文件是普通项目数据，不是 prompt context。

3. 查询历史 Lesson

第一步是搜索相关 lesson：

past = Lessons.query({
    kind: "lesson",
    text: input.goal,
    limit: 5
})

查询 memory 只是把数据返回给程序。它不会自动把这些数据展示给模型。

4. 选择模型能看到什么

answer 函数显式选择 goal 和有边界的历史 lesson 摘要：

use goal as "goal"
use past.summary max 2k as "relevant past lessons"

这和之前的上下文规则一致：memory record 只是普通数据，除非你用 use 选择它。

5. Reflect 并保存一条 Lesson

回答之后，agent 会问一个更小的 reflection 问题：

lesson = reflect(input.goal, result, past)

然后保存一条可复用的 lesson：

Lessons.add({
    kind: "lesson",
    text: lesson.insight,
    goal: input.goal,
    ok: result.ok
})

这里重要的习惯是：保存紧凑 lesson，而不是保存整段 transcript。

6. 运行

用 mock 模型输出运行：

agentscript tutorials/memory-reflection.as --mock --input '{"goal":"Explain explicit context boundaries"}'

用相同 goal 运行两次。第二次运行就可以查询到第一次保存的 lesson。

如果想检查流程而不调用真实模型，可以打印 trace：

agentscript tutorials/memory-reflection.as --mock --trace --input '{"goal":"Explain explicit context boundaries"}'

下一步

Memory 引入了长期状态。下一个高级主题是 optimization：使用 use one of 和 optimizer toolchain 对比不同 context 选择。