最近在搭一个能记住用户偏好的Agent，看了一圈Milvus和Chroma的教程，基本都在讲怎么存文档切片。但我的场景是对话历史，总不能每轮对话都塞一个向量进去吧？那检索出来全是碎片，上下文拼接也麻烦。试过按session聚合存，但用户聊着聊着换话题了，旧memory又干扰新对话。有没有大佬实际搞过这种长期记忆的？你们是存整段对话摘要，还是拆成事件/实体存？另外清理策略怎么定，总不能让向量库无限涨下去……求指条明路，或者推荐个讲这个的博客也行。
最近在搭一个能记住用户偏好的Agent，看了一圈Milvus和Chroma的教程，基本都在讲怎么存文档切片。但我的场景是对话历史，总不能每轮对话都塞一个向量进去吧？那检索出来全是碎片，上下文拼接也麻烦。试过按session聚合存，但用户聊着聊着换话题了，旧memory又干扰新对话。有没有大佬实际搞过这种长期记忆的？你们是存整段对话摘要，还是拆成事件/实体存？另外清理策略怎么定，总不能让向量库无限涨下去……求指条明路，或者推荐个讲这个的博客也行。
这问题太真实了，我之前也卡在这。文档切片那套确实不适用对话，最后我是分两层存的：长期用session摘要+用户画像（比如偏好、事实），短期才存事件和实体，检索时按触发条件加权。清理策略可以搞个时间衰减或重要性评分，隔段时间把低分向量归档到冷存储，别硬删。
建议按事件+实体双粒度存，对话摘要单独开一层做索引，检索时先粗后细能省不少事。清理就靠时间衰减加话题漂移检测，过期主动归档。