在这里插入图片描述

网罗开发 （小红书、快手、视频号同名）

  大家好，我是 展菲，目前在上市企业从事人工智能项目研发管理工作，平时热衷于分享各种编程领域的软硬技能知识以及前沿技术，包括iOS、前端、Harmony OS、Java、Python等方向。在移动端开发、鸿蒙开发、物联网、嵌入式、云原生、开源等领域有深厚造诣。

图书作者：《ESP32-C3 物联网工程开发实战》
图书作者：《SwiftUI 入门，进阶与实战》
超级个体：COC上海社区主理人
特约讲师：大学讲师，谷歌亚马逊分享嘉宾
科技博主：华为HDE/HDG

我的博客内容涵盖广泛，主要分享技术教程、Bug解决方案、开发工具使用、前沿科技资讯、产品评测与使用体验。我特别关注云服务产品评测、AI 产品对比、开发板性能测试以及技术报告，同时也会提供产品优缺点分析、横向对比，并分享技术沙龙与行业大会的参会体验。我的目标是为读者提供有深度、有实用价值的技术洞察与分析。

展菲：您的前沿技术领航员
👋 大家好，我是展菲！
📱 全网搜索“展菲”，即可纵览我在各大平台的知识足迹。
每周定时推送干货满满的技术长文，从新兴框架的剖析到运维实战的复盘，助您技术进阶之路畅通无阻。


文章目录

引言

过去做 App 的时候，开发者很少会认真思考一个问题：

系统记住了什么？

因为传统 App 的运行模式非常简单：

用户操作

↓

业务处理

↓

页面关闭

↓

流程结束

例如：

打开课程

学习

退出

下一次再进入：

重新开始

问题并不大。但是 AI Agent 出现之后，一切开始变化。

用户今天说：

我正在学习鸿蒙开发

明天说：

给我推荐一些进阶课程

后天说：

继续昨天的话题

如果系统完全不知道：

昨天学了什么

之前喜欢什么

最近关注什么

那么这个 Agent 看起来就会像：

失忆患者

每次对话都重新开始。于是越来越多团队发现：

Agent 最大的问题不是推理能力，而是记忆能力。

甚至很多时候：

Memory

>

Model

因为没有记忆，再强的模型也只是一次性工具。

而拥有记忆，系统才开始变成真正意义上的 Agent。

一、为什么 Agent 必须有 Memory Center

传统 ChatBot：

Question

↓

Answer

本质上属于 Stateless 无状态系统。

例如，第一轮：

我喜欢 Swift

第二轮：

推荐一门语言

模型可能已经忘了：

Swift

因为上下文有限，而 Agent 必须做到：

记住用户

理解用户

服务用户

因此需要：

Memory Center

统一管理记忆，本质上：

Memory Center 是 Agent Runtime 的第二大脑。

二、Memory Center 到底是什么

很多人理解 Memory：

聊天记录

其实远远不够，企业级 Agent 的 Memory Center 通常管理：

用户画像

历史行为

任务状态

知识经验

工具调用历史

策略偏好

架构：

              Memory Center
                     │
      ┌──────────────┼──────────────┐
      ↓              ↓              ↓
 Short Memory   Long Memory   Semantic Memory

本质上：

Agent Runtime

↓

Shared Memory Bus

所有 Agent：

读取 Memory

写入 Memory

形成统一知识中心。

三、Memory 为什么不能只存聊天记录

很多团队刚开始做 Agent：

直接保存对话

例如：

[
  {
    "role":"user",
    "content":"我喜欢鸿蒙"
  }
]

看起来没问题，但很快会遇到：

上下文爆炸

100轮对话

1000轮对话

10000轮对话

Prompt 成本越来越高。

检索效率下降

Agent 不知道：

哪段最重要

无法长期存储

模型窗口有限，例如：

128K

256K

1M Context

终究有上限，因此：

Memory ≠ Chat History

而应该是：

Structured Memory

四、Memory Center 的四层架构

企业级设计推荐：

             Memory Center
                    │
      ┌─────────────┼─────────────┐
      ↓             ↓             ↓
 Working       Episodic      Semantic
 Memory         Memory         Memory
                    │
                    ↓
            Procedural Memory

形成：

4-Level Memory Architecture

五、Working Memory：工作记忆

类似：

CPU Cache

保存：

当前会话

当前任务

当前状态

例如：

用户正在学习 ArkTS

结构：

{
  "currentCourse":"ArkTS",
  "progress":"70%"
}

特点：

速度快

生命周期短

通常存储：

内存

Store

Redis

六、Episodic Memory：情景记忆

类似：

人类经历

记录：

发生过什么

例如：

2026-08-10

完成 ArkTS 学习

2026-08-15

购买 HarmonyOS 课程

结构：

{
 "time":"2026-08-15",
 "event":"finish_course"
}

特点：

时间维度强

可回溯

非常适合：

学习系统

办公系统

助手系统

七、Semantic Memory：语义记忆

这是目前 Agent 最核心的部分，保存：

用户知识

用户兴趣

用户偏好

例如：

用户喜欢：

HarmonyOS

Swift

AI Agent

存储：

Embedding

↓

Vector DB

典型架构：

Text

↓

Embedding

↓

Vector Storage

例如：

Milvus

Milvus

FAISS

FAISS

Chroma

Chroma

Weaviate

Weaviate 查询：

Recall

而不是：

Exact Match

实现：

语义级记忆

八、Procedural Memory：技能记忆

这一层是很多文章不会讲的。实际上未来 Agent 最大价值之一：

学习能力

例如 Agent 学会：

如何生成学习计划

以后直接复用。存储：

Workflow

Tool Chain

Prompt Template

例如：

{
 "skill":"generate_plan",
 "steps":[
   "query_course",
   "analyze_progress",
   "create_plan"
 ]
}

本质上：

Memory

↓

Skill Library

越来越像：

Agent Plugin System

九、Memory Center 如何与 Agent Runtime 集成

推荐架构：

                  Agent Runtime
                         │
          ┌──────────────┼──────────────┐
          ↓              ↓              ↓
       Planner      Scheduler      Executor
                         │
                         ↓
                  Memory Center
                         │
       ┌─────────────────┼─────────────────┐
       ↓                 ↓                 ↓
 Working          Semantic          Procedural

所有 Agent，统一访问：

Memory API

而不是：

直接读数据库

十、鸿蒙 App 如何实现 Memory Center

推荐目录：

src
├── memory
│   ├── center.ts
│   ├── working.ts
│   ├── semantic.ts
│   ├── episodic.ts
│   └── procedural.ts

统一接口：

export interface Memory {

  save(key:string,value:any)

  load(key:string):any

  search(query:string):any[]

}

Memory Center：

class MemoryCenter {

   private memories:Memory[]=[]

   register(memory:Memory){
      this.memories.push(memory)
   }

}

形成 Memory Bus 供整个 Runtime 使用。

十一、为什么未来 App 都会拥有自己的 Memory Center

过去：

App

↓

Page

↓

Data

未来：

Goal

↓

Agent

↓

Memory

↓

Action

用户最在意的已经不是：

功能多不多

而是：

懂不懂我

本质上竞争已经从：

UI

转向：

Memory

因为：

没有记忆

就没有个性化

没有连续性

没有学习能力

十二、HarmonyOS AI Native 的 Memory 架构

结合前面 Runtime 系列文章，完整架构可能变成：

                 Goal
                   ↓
                Intent
                   ↓
                Planner
                   ↓
               Scheduler
                   ↓
             Agent Runtime
                   ↓
             Memory Center
      ┌─────────┼─────────┬─────────┐
      ↓         ↓         ↓         ↓
 Working   Episodic  Semantic  Procedural
      └─────────┼─────────┴─────────┘
                   ↓
                 Store
                   ↓
                 ArkUI

特点：

长期记忆

共享记忆

语义检索

技能沉淀

持续学习

越来越像：

AI Operating System

而不是：

传统移动 App

总结

如果用一句话理解 Memory Center：

Memory Center 不是聊天记录仓库，而是 Agent Runtime 的长期记忆系统。

过去：

用户

↓

功能

↓

结果

未来：

用户

↓

Memory

↓

Agent

↓

Action

从：

Session Driven

逐渐演化成：

Memory Driven

而在 AI Native 时代，真正让 Agent 变得越来越聪明的，不只是模型参数。

而是：

它能记住什么，以及如何利用这些记忆。

# harmonyos # 架构 # 华为
Logo
HarmonyOS开发者社区

讨论HarmonyOS开发技术，专注于API与组件、DevEco Studio、测试、元服务和应用上架分发等。

更多推荐

cover

从零构建鸿蒙NEXT ArkUI应用：每日夸夸神器开发实战

avatar HarmonyOS开发者社区
cover

HarmonyOS7 列表流实战------自定义列表项别一股脑塞进 build 里

avatar HarmonyOS开发者社区
cover

HarmonyOS7 列表流实战------嵌套滚动和 Tab 联动到底怎么配

avatar HarmonyOS开发者社区