即使上下文窗口突破百万 token，研究仍然显示：填得越满，模型输出质量越低。
这就是所谓的 context rot（上下文腐烂）。关于这个问题的深度分析，可以看看我们之前的文章 100 万 Token 上下文的真正瓶颈不是技术，是算力——限制大模型的不只是技术，还有算力成本。
开发者面对一个两难选择：全部塞进去，看着质量下降；激进裁剪，又可能丢掉 Agent 后续需要的关键信息。关于 AI Agent 记忆管理的系统性讨论，也可见 AI Agent 的”上下文失忆”困局。
Cloudflare 在 4 月底的 Agent Week 中发布了一项新产品：Agent Memory（私测），试图从根本上解决这个问题。关于 Agent Week 的整体产品矩阵，我们在 Cloudflare 全面开放 Agent 自主注册 中有更全面的介绍。Agent Memory 不是把对话历史一股脑塞进上下文窗口，而是从对话中提取结构化记忆，按需检索只取相关部分。
“我们构建 Agent Memory 是因为平台上的真实工作负载暴露了现有方案无法完全解决的缺口。运行数周甚至数月、面对真实代码库和生产系统的 Agent，需要的是随着增长仍然有用的记忆，而不仅仅是在干净的基准数据集上表现良好的记忆。” —— Tyson Trautmann & Rob Sutter, Cloudflare 工程团队
提取管道：两遍扫描 + 八步验证
Agent Memory 的入站流程设计得相当精细。
每条消息首先获得一个内容寻址的 SHA-256 ID，支持幂等重新摄入——重复发送同样的消息不会生成冗余记录。
提取器运行两个并行通道：
- 广度扫描：按约 1 万字符分块，抓取整体语义
- 细节扫描：聚焦具体数值——名字、价格、版本号等
之后一个验证器会跑八项检查，只有通过的消息才被分类为四种记忆类型：
- Facts（事实）：键值对形式，按标准化主题索引
- Events（事件）：时间线相关的活动记录
- Instructions（指令）：行为规则，新记忆覆盖而非删除旧版
- Tasks（任务）：待办事项
默认使用 Llama 4 Scout（17B MoE） 做提取和分类，Cloudflare 发现更大的模型在这个阶段并没有明显优势。
检索架构：五通道并行 + RRF 融合
真正有意思的是检索侧。Agent Memory 不是简单的向量搜索，而是五条通道并行运行，再用 Reciprocal Rank Fusion（RRF）融合结果：
| 通道 | 用途 |
|---|---|
| 全文搜索 | 关键词匹配 |
| 精确事实键查找 | 直接定位已索引的事实 |
| 原始消息搜索 | 回溯原始对话文本 |
| 直接向量搜索 | 语义相似度 |
| HyDE 向量搜索 | 生成声明式答案，解决词汇不匹配问题 |
HyDE（Hypothetical Document Embeddings）通道尤其值得关注：它先生成一个假设性答案，再用这个答案的嵌入向量去检索——这样可以绕过用户查询和存储记忆之间的词汇差异。
合成阶段使用 Nemotron 3（120B MoE），Cloudflare 测试发现大模型只在合成环节有实质性帮助。
共享记忆：团队级的 Agent 知识协同
Agent Memory 的一个独特能力是记忆共享。记忆配置文件不需要绑定到单个 Agent——团队可以共享一个记忆配置文件，一个工程师的编码 Agent 学到的惯例、架构决策、团队”部落知识”，对其他人直接可用。
Cloudflare 内部已经在用这个功能。一个接入 Agent Memory 的 agentic 代码审查器学会了：当某个模式被标记过但作者选择保留时，下次就不再重复警告。
行业对比
Agent Memory 赛道越来越拥挤：
- Mem0：托管云 API，支持向量、图和键值存储
- Zep Graphiti：时序知识图谱，追踪事实的有效期
- LangMem：集成 LangGraph，但需要自建
- Letta（原 MemGPT）：分层记忆架构，Agent 自主管理上下文
Cloudflare 的差异化在于边缘分发和与自家计算原语（Durable Objects、Vectorize、Workers AI）的深度集成。对于已经在 Cloudflare 上构建 Agent 的团队来说，接入成本最低。
需要注意的风险
独立评估者 Kristopher Dunham 指出了几个需要权衡的点：
- 厂商锁定：数据可以导出，但检索管道本身不可移植。“Exportable means you can extract the raw facts. It doesn’t mean your retrieval pipeline is portable.”
- 提取质量不可控：记忆提取依赖 Cloudflare 选择的二级模型，开发者无法干预
- 建议：关键事实应该显式调用 remember 工具，而不是依赖自动摄入
- 架构建议：对话历史和学到的事实应该从一开始就分开存储；上下文压缩在 60% 容量时触发，而不是等到撑满
目前处于私测阶段，定价未公布。
主要来源：InfoQ - Cloudflare Agent Memory, Cloudflare 官方博客