AI Agent 面试全攻略：分层记忆系统代码实战，短期Redis滑窗+长期向量库如何落地

【免费下载链接】ai-agent-interview-guideAI Agent 面试全攻略：从零到Offer，包含200+面试题、企业级项目(Python/Java/Go)、简历模板、STAR面试稿、哆啦A梦漫画图解项目地址: https://gitcode.com/gh_mirrors/ai/ai-agent-interview-guide

AI Agent 记忆系统是面试中的高频考点：短期记忆解决「会话内记住刚才聊了什么」，长期记忆解决「跨会话召回用户偏好与历史事实」。本文以开源项目中的真实代码为蓝本，带你用 Redis 滑动窗口 + LLM 摘要压缩实现短期记忆，用向量库（Milvus）实现长期记忆，并给出 MemoryManager 统一调度方案，最后附上面试官最爱追问的 5 个问答与应答要点。

为什么记忆系统是 AI Agent 面试必考题

大模型本身是「无状态函数」——每次请求都像第一次见面。没有记忆，Agent 无法：

• 多轮一致性：避免重复追问、前后矛盾
• 长任务延续：工具调用链、子目标状态跨轮保留
• 个性化服务：记住用户偏好、术语、禁忌

💡 面试金句：「短期记忆服务当下推理，长期记忆服务跨会话个性化与知识」——这句话基本可以作为开场答案。

分层记忆的整体架构：一层管快，一层管久

项目中把记忆拆成两层，各用最适合的存储介质：

核心设计思想：热数据放 Redis（快），冷数据进向量库（久），由一个统一管理器负责读写调度。

短期记忆实战：Redis 滑窗 + Token 预算

短期记忆的实现见 short_term.py，关键设计只有 4 点：

1. Redis List 存消息：每轮对话RPUSH到stm:session:{session_id}，读取用LRANGE拿全量历史，顺序天然正确
2. 滑动窗口：默认window_size=20，只保留最近 20 条消息
3. Token 预算：用tiktoken精确计数（不可用时退化为len(text) // 4估算），超过max_tokens=4000即触发压缩
4. 双条件触发：消息条数 > 窗口 OR 总 Token > 预算，任一命中就压缩

Go 版本的实现思路完全一致，用LPUSH + LTRIM实现滑窗并挂 2 小时 TTL 自动过期，可对照阅读 short_term.go。

关键一步：超窗时不是丢弃，而是 LLM 摘要压缩

这是面试中最容易拉开差距的点。很多实现直接把窗口外的消息丢掉，导致「用户 20 轮前说『不要用 Python』」这类硬约束消失。

项目中的做法（_compress_if_needed方法）：

• 保留尾部window_size // 2条最新消息
• 对其余历史调用 LLM 生成摘要，以[历史摘要]系统消息形式插回列表头部
• LLM 不可用时降级为截断（2000 字符兜底），保证主流程不被阻塞

一句话答法：「滑窗管长度，摘要管信息密度——压缩后既控制了 Token 成本，又保住了早期关键事实。」

长期记忆实战：向量库写入与按会话召回

长期记忆实现见 long_term.py，数据流是：

写入：content → embedding 向量化 → 连同 pk / session_id / metadata 插入 Milvus

召回：query → embed → 带 session_id 过滤条件的 Top-K 相似度检索 → 返回 MemoryItem 列表

三个工程细节值得在面试中主动提及：

• 会话隔离：检索时表达式强制带session_id == "xxx"，且对单引号做了转义防止注入——多租户隔离是生产事故高发区
• 同步 SDK 异步化：Milvus SDK 是同步的，代码用asyncio.to_thread包一层，避免阻塞事件循环（见 milvus_client.py）
• 可遗忘：提供forget(memory_id)按主键硬删除，满足「用户要求忘记」这类合规需求

MemoryManager：统一调度短长期记忆

manager.py 中的MemoryManager是对外唯一入口，两个方法覆盖所有场景：

• get_context(session_id, query)：并发拉取短期历史 + 长期 Top-5 召回，组装成MemoryContext注入 Prompt
• save(session_id, message)：新消息写入短期记忆，滑窗与压缩逻辑下沉到ShortTermMemory内部自动执行

💡 面试加分点：两层读取都包了try/except，任一层故障时降级为空记忆继续对话——记忆挂了不能把聊天主链路拖死，这是工程化思维的体现。

高频追问：面试官最可能问的 5 个问题

完整的 20 道记忆系统面试题与标准答，可直接复习文档 05-记忆系统.md。

备战建议：三步吃透记忆系统专题

1. 先讲机制：画出「Redis 滑窗 + 摘要压缩 + 向量召回」的架构图，能白板默写
2. 再讲权衡：窗口大小怎么选、Token 预算怎么分配、衰减会不会误删重要记忆
3. 最后讲事故面：租户串数据、敏感信息进向量库、embedding 模型升级后旧向量需重嵌入

建议动手把 project-python/app/core/memory/ 下三个文件通读一遍——代码量不大，但滑窗、压缩、隔离、降级这些生产细节全部到位，面试时能给出「我实现过」的具体细节，远比背八股有说服力 🎯

【免费下载链接】ai-agent-interview-guideAI Agent 面试全攻略：从零到Offer，包含200+面试题、企业级项目(Python/Java/Go)、简历模板、STAR面试稿、哆啦A梦漫画图解项目地址: https://gitcode.com/gh_mirrors/ai/ai-agent-interview-guide