别再只教 AI “记住更多”了：给 Agent 加一套可执行的「主动遗忘」系统（Enso 设计拆解 + 可复用实现）

你家 Agent 记忆越做越大，越用越难用？

你肯定见过这种情况：

• 做了 RAG + 向量库，记忆“召回”很多，答案却开始发飘
• 越聊越长，上下文里堆满旧规则、过期偏好、临时吐槽
• 你的检索命中率看起来不错，实际是“脏命中”——命中的是过时经验
• token 消耗飞起，每天多烧几十块，心态爆炸

问题不在“记不住”。

问题在不会忘。

我最近翻到一个开源项目（Enso），思路挺硬：遗忘不是靠感觉，是可以被工程化的。它更像在给 Agent 加一个“纪律层”。

项目：github.com/amazinglvxw/enso-…

下面我把它的核心设计拆开讲，顺便给你一套可以直接抄走的实现套路。

这套方案到底解决什么？

把目标说人话：

让 Agent 记住“能让它少犯错的东西”，忘掉“只会占位置的东西”。

落地到日常体验就是：

• 你不用人工整理“记忆库”
• Agent 自己从失败里长记性
• 过期经验自动变淡、自动删除
• 真正重要的规则会从“具体案例”升格成“抽象原则”

这比“无限上下文”更现实。无限只是账单更无限。

核心设计 1：错误驱动的学习闭环（而且是全自动）

Enso 的闭环很像你带新人：

• 先让他干活
• 干砸了就复盘
• 写成一两条“教训”贴墙上
• 一段时间不再犯，就把那张纸撕了

它把这套流程写进系统里：

流程长这样

• tool call 失败自动捕获（比如 API 401、参数校验失败、文件路径不存在）
• 用轻量 LLM 把失败蒸馏成 1～3 条教训（短、硬、可执行）
• 下次 Agent 启动时，把这些教训 注入上下文（等于开机自检）
• 30 天没触发：标记为观察
• 37 天仍没触发：删除
• 删了以后又犯？允许恢复（别把系统做死）

整个过程零人工干预。你只负责看效果。

教训应该长什么样？（模板给你）

把“教训”写成能直接约束行动的句子：

• ✅ 好：调用 Stripe 退款接口前，先检查 payment_intent 是否为 succeeded，否则直接终止并记录原因。
• ✅ 好：读取本地文件路径时，统一用绝对路径；遇到相对路径先 resolve。
• ❌ 差：要更谨慎。
• ❌ 差：注意不要报错。

教训越短越狠越好。别写作文。

核心设计 2：DIKW 分层蒸馏，让经验自己“升级”

Enso 不是把所有记忆一股脑塞进同一个桶，而是按 DIKW 做分层。

你可以理解成：

• Info：具体教训/事实碎片（带分类、命中次数、溯源 hash）
• Knowledge：抽象规则（从多个 Info 合并而来）

为什么要这么分？

因为“教训”天然有保质期。

• 很多失败是一次性的环境问题（临时 token 过期、某个服务抖了）
• 也有一些失败会反复出现（参数校验、权限、路径、格式）

DIKW 分层的价值就是：

• 短期噪音留在 Info 层，方便淘汰
• 反复命中的 Info 自动合并成 Knowledge，变成长期资产

一个合并的例子

Info（多条）：

• 上传图片到 S3 前必须校验 content-type，否则 CDN 侧会拒绝。
• S3 putObject 时如果没带正确的 ContentType，前端预览会 403。

合并成 Knowledge：

• 任何对象存储上传都必须显式设置 ContentType；缺失则视为错误并阻断。

你会发现：Knowledge 才是你真正想长期保留的东西。

核心设计 3：三维质量控制，让记忆库不发臭

记忆系统最怕的不是“小”，而是“烂”。

Enso 用了三把刀控质量：

1）语义去重（不用向量库也能做）

• 用 TF-IDF 做相似度
• 相似度阈值：> 0.7 判重

好处很实在：

• 避免同一条教训换个说法刷屏
• 让“命中次数”更可信（不会被重复条目稀释）

2）LRU 淘汰（硬上限）

• 超过 50 条：踢掉最旧的

这个简单粗暴，但很管用。

你不设上限，记忆就会像浏览器标签页一样越开越多，直到你不敢关。

3）stale 衰减（三段式过期删除）

• 新鲜：正常使用
• 变陈：进入观察
• 过期：删除

对“从没再触发的教训”，别恋爱脑。

核心设计 4：代码强制 > prompt 约束（这点特别值得抄）

很多人给 Agent 写一堆 prompt 规矩：不许干这个、不许干那个。

现实是：

• 对话拉到 5 万 token 以后，prompt 里那些规矩注意力权重会掉到你怀疑人生
• Agent 会“合理化”绕过规则（它真能编出一套自洽的借口）

Enso 的做法更像 SELinux：用代码做强制策略。

它用 hook 脚本在违规时直接 exit 2 阻断。

效果是：

• 不是“请你不要”，而是“你做不到”
• Agent 想绕也绕不过

你可以怎么抄（示例思路）

你可以在这些地方加“硬闸门”：

• 文件系统：限制只能读写某个目录
• 网络：只允许访问白名单域名
• 工具调用：参数缺失直接阻断
• 成本：单次调用超过预算直接停

伪代码（示意）：

def tool_call_guard(tool_name, args):
    if tool_name == "curl" and not is_whitelisted(args.url):
        raise SystemExit(2)

    if tool_name == "write_file" and not args.path.startswith(ALLOWED_DIR):
        raise SystemExit(2)

    return True

别把安全和纪律寄托在 prompt 上。真不稳。

最接地气的部分：零外部依赖

Enso 有个我很喜欢的点：

• TF-IDF 手写几十行 Python
• 分类器用关键词硬编码
• 不依赖 scikit-learn
• 不上向量库

结果就是：

• 一条命令装完
• 有 bash + python3 的环境都能跑

这对做 Demo、做内网部署、做边缘环境特别香。

你要的是“能跑起来”，不是“依赖装一天”。

你想把“主动遗忘”接进自己的 Agent，可以照这个路线做

我给你一套可执行的接入清单，不管你用的是 OpenAI / Claude / 自建模型，都能套。

Step A：把失败事件变成标准化日志

你需要统一记录这些字段：

• timestamp
• tool_name
• input_args
• error_type（超时/权限/校验/不存在…）
• error_message
• trace_id 或 source_hash（方便溯源）

关键点：别只存一段字符串。后面蒸馏会很难。

Step B：做一个“教训蒸馏器”

触发条件：工具调用失败，或输出被判定为严重错误。

蒸馏输出格式建议固定：

{
  "category": "filesystem|network|auth|format|validation|rate_limit|unknown",
  "lessons": [
    "...",
    "..."
  ]
}

要求：每条 lesson 能直接指导动作，控制在一行。

Step C：写入 Info 层（带计数与溯源）

Info 记录建议字段：

• text
• category
• hit_count
• created_at
• last_hit_at
• source_hash

命中一次就 hit_count += 1，更新 last_hit_at。

Step D：做合并策略（Info → Knowledge）

当你发现同类 Info 相似度高（TF-IDF 或简单关键词相似），触发合并：

• 生成更抽象的 Knowledge
• Knowledge 也要有 hit_count
• 合并后可保留原 Info 作为溯源，或做摘要引用

Step E：做遗忘策略（三段式 + 上限）

建议直接抄这套组合：

• 去重阈值：0.7
• 容量上限：50（你可以按场景调）
• 观察期：30 天
• 删除期：37 天
• 支持恢复：删除后如果再次触发同类错误，把它拉回来

参数不是圣经。

你跑一周看数据，明显不对再改。

Step F：注入到上下文的位置要讲究

别把 50 条教训全塞 prompt。

推荐做法：

• 每次启动注入：Top-N Knowledge + 最近命中的 Info
• N 建议 5～12 条，太多就是噪音
• 按工具分类注入：用到什么工具才注入相关教训

你的目标是让 Agent“开局不犯低级错”，不是背题库。

避坑清单（踩中一个就会变难用）

• 教训写太长：长文本会稀释注意力，还会把上下文撑爆。
• 没有溯源 hash：你会找不到“这条教训从哪来的”，也没法调试。
• 只靠 prompt 管纪律：越聊越长就失效，Agent 还会耍滑头。
• 不设上限：记忆一定会膨胀到不可控。
• 删除不可恢复：会把系统变成“一次误删，永久失忆”。
• 去重只做 exact match：同义表达会把记忆库刷成垃圾场。

适合什么人用？

这套“主动遗忘 + 纪律层”特别适合：

• 你的 Agent 有大量工具调用（爬虫、脚本、数据库、工单系统、内部 API）
• 你希望它越用越稳，少半夜把你叫起来修 bug 😅
• 你对向量库依赖过敏，想要轻量、可控、可迁移

如果你做的是纯聊天陪伴，工具很少，这套的收益会小一些。

你可以怎么用 Enso（现实建议）

别把它当“开箱即用的记忆系统”。它更像一个设计样板。

值得 fork 的原因：

• 把“遗忘”做成工程闭环，而不是一句口号
• DIKW 分层让记忆质量随时间变好
• 代码强制策略这条路，很少人认真做

代码质量中等，想接 OpenClaw、Hermes Agent 这类框架，需要自己适配一下。

适配不难，核心是把它的闭环思路嵌到你的事件流里：失败 → 蒸馏 → 注入 → 衰减。

给你一个行动建议

你今天就能做一件小事：

• 在你的 Agent 里加一个“tool call 失败捕获器”
• 失败时蒸馏成 1 条教训
• 下次启动时注入

跑 3 天你就会明显感觉到：低级错少了，token 也省了，心态更稳。

记忆系统不该只会囤货。

该忘的就忘，才像个真干活的 Agent。