企业智能体能够记住上次对话，并不意味着具备可靠的长期记忆。跨会话、跨任务复用信息时，真正需要解决的是：哪些内容可以沉淀为业务事实，哪些只是临时推测，以及这些信息在什么权限和时效条件下还能被使用。长期记忆架构的核心不是扩大存储，而是建立可追溯、可更新、可撤销的信息生命周期。
记忆应与业务事实分层
架构上可区分当前任务上下文、跨任务记忆与业务权威数据源。当前上下文承载执行中的临时状态；长期记忆保存可复用的业务背景、历史决策及其依据；ERP、CRM等系统仍负责维护其职责范围内的正式记录。
这种边界可以防止智能体把历史描述误当作当前事实。涉及业务状态时，应回查权威数据源；涉及历史决策时，则需要同时保留当时的条件，不能只记住结论。长期记忆不是业务数据库的替代品，而是连接任务经验与事实来源的上下文层。
写入与读取都需要治理
写入端不宜直接保存全部对话。候选内容应先区分事实、偏好、执行记录与模型推断，再经过敏感信息处理和必要确认。每条可复用记忆应关联来源、适用范围、更新时间与访问权限；未经核实的推断不能自动升级为确定事实。
读取端也不能只按内容相关性检索。系统应先依据身份、部门和任务权限限制候选范围，再判断信息是否过期、是否存在冲突，最后将必要内容送入上下文。相关不等于可信，可检索不等于可使用。
当业务数据更新或权限撤销时，关联记忆需要同步更新、失效或删除；发生矛盾时，应保留来源差异，而不是由模型自行拼接答案。审计记录还应能够还原某次决策使用了哪些记忆、为何允许访问，以及最终触发了什么动作。
验收长期记忆能力，不应只测试“能否记住”，还应测试“能否忘记、纠正和拒绝越权调用”。只有把这些机制嵌入读写链路，记忆才可能成为企业智能体的可靠基础，而非持续累积的风险。