智能體的規劃與記憶（planning and memory）
/ PLAN-ing and MEM-uh-ree in AY-junts /
規劃，是智能體在動手之前，把一個大目標拆成一串有先後順序的小步驟；記憶，則是它把學到、做過的東西留住的辦法，免得每一刻都從零開始。打個比方，就像一個帶著清單和筆記本的旅人：清單（計劃）寫明該做什麼、按什麼次序；筆記本（記憶）記下發生了什麼、什麼管用、以後要記住什麼。兩者缺一，智能體就只能盲目踉蹌，連自己剛走過的腳印都會忘掉。
為什麼這兩樣需要特別處理：智能體核心的那個模型，有一塊固定大小的「工作記憶」——它的上下文窗口——一次只能裝下那麼多文字，而且它自己不會把任何東西從一次會話帶到下一次。於是規劃要靠外加：提示模型把步驟列出來，或用程式碼盯著一張待辦清單；記憶則要靠外掛的儲存——一份不斷更新的對話摘要、一張記中間結果的草稿紙，或一個智能體可檢索、用來回憶久遠事實的資料庫（常用與檢索增強生成相同的檢索手法）。
對這一切至今有多不穩，得說老實話。模型並不真的「記得」——它只是重讀由外圍系統挑給它看的儲存文字；要是系統忘了去取那條對的筆記，智能體也就跟著忘了。事先定好的計劃，可能在現實與預期一旦不符的那一刻就過時了，而一個脆弱的智能體會照著一個早已不合理的計劃繼續走下去。好的規劃與記憶，與其說是模型自己做到的，不如說是對「該存什麼、何時取回」的細緻工程。
一個被吩咐「規劃一次三天行程」的智能體，先寫下計劃：先訂機票，再訂酒店，再安排活動。幹活時，它往記憶裡記筆記——「使用者偏好靠窗座位」「酒店已訂，確認號X」。一週後，被要求「加一個晚餐預訂」，它檢索那份記憶，回憶起日期和酒店，把晚餐排進去，而不必把一切重新問一遍。
計劃＝有序的步驟；記憶＝存好的筆記，由系統在相關時回餵給模型。
智能體的「記憶」不是模型在記住——而是外部儲存，由外圍軟體檢索後再貼回提示裡。兩次呼叫之間，模型內部什麼都不會留存。所以記憶的好壞，全看檢索：取回了錯的筆記（或漏掉了對的那條），把智能體帶歪的程度，和徹底忘掉別無二致。