记忆体（Memory）是 Agent 的“大脑皮层”，负责记录经历和维持对话，知识库（Knowledge Base）是 Agent 的“参考书架”和“百科全书”。它为 Agent 提供行动的底气，决定了 Agent 能解决多专业的问题。

🛠️ 记忆体 vs 知识库：它们有什么区别？

• 记忆体（Memory）是动态的、长出来的： 随着 Agent 与用户互动、执行任务，记忆会不断增加、修改和更新（比如：“用户刚刚说他不喜欢蓝色”）。
• 知识库（Knowledge Base）是静态的、喂给它的： 它是初始化时就准备好的结构化数据，供 Agent 随时查阅，通常不会因为一次对话而改变（比如：“公司的退换货政策是15天内”）。

通常，一个成熟的 Agent 知识库主要包含以下四大核心内容：

1. 领域专业知识（Domain-Specific Knowledge）

这是知识库中最庞大的部分，决定了 Agent 在特定行业或场景下的专业度（例如：金融 Agent、医疗 Agent、编程 Agent）。

• 内部私有文档： 企业的规章制度、产品白皮书、API 文档、技术手册、客服话术库等。
• 行业公开资料： 法律法规、医疗指南、学术论文、行业标准等。
• 实现方式： 通常通过 RAG（检索增强生成） 技术，将这些文档切片、向量化并存储在向量数据库中。当用户提问时，Agent 会去书架上“翻书”，把相关段落喂给大模型。

2. 工具使用说明书（Tool Knowledge / Tool Specifications）

Agent 之所以被称为 Agent，是因为它能使用工具（如调用 API、运行代码、查询数据库）。但它必须先“学会”怎么用。

• 工具元数据： 每个工具的功能描述（“这个工具是干嘛的”）。
• 参数架构（Schema）： 严格的输入输出格式（“调用这个 API 需要传什么参数，返回的数据长什么样”）。
• 使用示例： 演示在什么场景下该组合调用哪些工具的少样本示例（Few-shot examples）。

3. 标准作业程序与业务逻辑（SOPs & Business Logic）

这部分知识决定了 Agent 的行为边界和办事流程，确保它不会像脱缰的野马一样乱来。

• 工作流指南（SOP）： 完成复杂任务的固定步骤。例如，一个自媒体文案 Agent 的知识库里会写明：第一步全网搜集热点，第二步生成大纲，第三步撰写正文，第四步进行合规性合规审查。
• 业务规则与禁忌（Guardrails）： 明确什么能做、什么不能做（安全策略、预算限制、敏感词过滤等）。

4. 静态常识与基础推理知识（Parametric Knowledge）

这部分知识比较特殊，它不需要外挂数据库，而是直接固化在 Agent 底层大模型（LLM）的参数中。

• 通用常识： 语言语法、常识性历史、数学逻辑、基础科学等。
• 少样本提示（Few-shot Context）： 开发者在 Prompt 中直接写死的、最核心的几条全局范例，用以规范 Agent 的思考逻辑（如思维链 CoT 模版）。