# 情景记忆策略
#### 原理
从对话或经历中提取具有时空序列的具体事件、个人体验和场景细节。不只是记住"发生了什么"，而是记住"完整的经过和结果"。
#### 适用场景
- Agent 需要从经验中学习：遇到类似问题时，可检索过往经历复用解决方案。
- 复杂问题排查场景：记住排查经过和根因，避免重复走弯路。
- 希望 Agent 越用越聪明：情景记忆随使用积累，Agent 逐步沉淀经验。
- 个人体验记录：记住用户分享的经历和体验，在后续对话中个性化回应。
 
#### 特点
- 提取的记忆包含完整的时序信息（背景→过程→结果），而非碎片化事实。
- 适合"从经验中学习"的场景，是 Agent 持续进化的核心策略。
- 检索时按情境相似度匹配，而非精确关键词匹配，适合模糊场景召回。
- 记忆内容较长，检索时可能占用更多上下文窗口。
 
#### 提取内容举例
**举例一：API报错排查**
让Agent调试一个API报错问题，Agent先检查了日志 → 发现是参数格式错误 → 修改了参数 → 问题解决。
提取为情景记忆："遇到API报错时，先检查日志，常见原因是参数格式错误，修改参数格式后可解决"
**举例二：部署失败处理**
在部署服务时遇到容器启动失败，Agent检查了端口占用 → 发现8080端口被旧进程占用 → 关闭旧进程后重新部署成功。
提取为情景记忆："容器启动失败时，检查端口占用情况，常见原因是旧进程未释放端口，清理后重新部署可解决"
**举例三：用户咨询旅游体验**
用户分享了上次去云南旅游的经历：先到大理，再转丽江，行程安排比较紧凑。
提取为情景记忆："用户云南旅游经历：大理→丽江，行程紧凑"
#### 与语义记忆的核心区别
| 对比项  | 语义记忆            | 情景记忆              |
|:---|:---|:---|
| 记住的是   | 事实（What）        | 经历（How \& Why）     |
| 提取内容 | 静态事实知识         | 带时空序列的完整事件         |
| 举例   | "Python 3.11" | "上次遇到这个问题，是这样解决的" |
| 作用   | Agent 知道什么      | Agent 学到了什么       |
| 时效性 | 相对稳定           | 随经历积累             |
| 检索匹配  | 按事实关键词       | 按情境相似度            |
   
![](https://support.huaweicloud.com/highcode-agentarts/public_sys-resources/note_3.0-zh-cn.png)
语义记忆提取的是"事实"（静态知识），情景记忆提取的是"经历"（动态过程）。一个回答"是什么"，一个回答"怎么做过的"。两者可同时启用，互为补充。