AWS 发布 AgentCore 记忆生命周期管理方案，应对智能体记忆膨胀问题

核心事实

AWS 官方博客于 2026 年 9 月 4 日发布文章，介绍为 Amazon Bedrock AgentCore 上的长期运行智能体设计记忆生命周期管理方案。文章指出，若不对智能体在对话中生成的记忆进行主动管理，将累积过时上下文，导致响应质量下降并带来合规风险。文中举例称，有客户支持智能体引用了四个月前已解决的账单争议，将其视为当前问题；另一智能体则因记忆仍包含已被取代的运维手册而重复过时建议。

背景与影响

该方案将智能体记忆分为三类：情景记忆（记录对话历史，高容量、短期相关）、语义记忆（从交互中提炼的事实与偏好，持久且高价值）、程序性记忆（编码工作流程与工具使用模式，容量低但价值最高）。基于此分类，文章提出三项互补的生命周期策略：一是基于 TTL 的过期删除，默认对情景记忆设 90 天期限，并建议按记忆类型差异化配置；二是相关性衰减评分，结合创建时间、最近访问时间与访问频率的加权公式评估记忆价值；三是整合与修剪，将多条情景观察合并为单一权威事实，并定期校验程序性记忆的有效性。方案使用 AWS Step Functions 与 Amazon Bedrock 构建夜间工作流，并提供 AWS CDK 代码与 GitHub 仓库供部署参考。

限制与来源

该方案主要面向数周或数月内积累大量交互数据的智能体（如客服、销售顾问、IT 帮助台机器人），对低容量场景（如个人助理）建议仅采用 TTL 过期与 GDPR 合规措施。所有阈值均可配置。文章提及 AgentCore memory 不提供内置自动删除 TTL，需通过系统时间戳字段配合过滤操作符实现。具体功能可用性、定价及地区支持请以 AWS 官网当前信息为准。来源：AWS 机器学习博客《Designing lifecycle policies for AgentCore memory》。