智能体的规划与记忆（planning and memory）
/ PLAN-ing and MEM-uh-ree in AY-junts /
规划，是智能体在动手之前，把一个大目标拆成一串有先后顺序的小步骤；记忆，则是它把学到、做过的东西留住的办法，免得每一刻都从零开始。打个比方，就像一个带着清单和笔记本的旅人：清单（计划）写明该做什么、按什么次序；笔记本（记忆）记下发生了什么、什么管用、以后要记住什么。两者缺一，智能体就只能盲目踉跄，连自己刚走过的脚印都会忘掉。
为什么这两样需要特别处理：智能体核心的那个模型，有一块固定大小的「工作记忆」——它的上下文窗口——一次只能装下那么多文字，而且它自己不会把任何东西从一次会话带到下一次。于是规划要靠外加：提示模型把步骤列出来，或用代码盯着一张待办清单；记忆则要靠外挂的存储——一份不断更新的对话摘要、一张记中间结果的草稿纸，或一个智能体可检索、用来回忆久远事实的数据库（常用与检索增强生成相同的检索手法）。
对这一切至今有多不稳，得说老实话。模型并不真的「记得」——它只是重读由外围系统挑给它看的存储文字；要是系统忘了去取那条对的笔记，智能体也就跟着忘了。事先定好的计划，可能在现实与预期一旦不符的那一刻就过时了，而一个脆弱的智能体会照着一个早已不合理的计划继续march。好的规划与记忆，与其说是模型自己做到的，不如说是对「该存什么、何时取回」的细致工程。
一个被吩咐「规划一次三天行程」的智能体，先写下计划：先订机票，再订酒店，再安排活动。干活时，它往记忆里记笔记——「用户偏好靠窗座位」「酒店已订，确认号X」。一周后，被要求「加一个晚餐预订」，它检索那份记忆，回忆起日期和酒店，把晚餐排进去，而不必把一切重新问一遍。
计划＝有序的步骤；记忆＝存好的笔记，由系统在相关时回喂给模型。
智能体的「记忆」不是模型在记住——而是外部存储，由外围软件检索后再粘回提示里。两次调用之间，模型内部什么都不会留存。所以记忆的好坏，全看检索：取回了错的笔记（或漏掉了对的那条），把智能体带歪的程度，和彻底忘掉别无二致。