# 1. 分层记忆系统中的工具调用失败、延迟与递归会如何放大上下文管理与 Token 开销，应设置哪些防护 A 不设任何限制，让 Agent 自由调用 B 只设超时，不限制递归 C 设置超时、重试上限、递归深度限制、频率限制与 Token 硬预算 ✓ 正确答案 D 递归越多越好，能更准
# 2. MemGPT 与 RAG 的核心差异是什么，为什么前者是虚拟记忆管理而后者是检索注入 A 两者完全等价 B RAG 能跨会话更新记忆，MemGPT 不能 C MemGPT 通过模型主动读写记忆实现虚拟记忆管理，RAG 则是一次性的离线检索注入，控制权在应用层 ✓ 正确答案 D MemGPT 就是 RAG 的工程实现
# 3. 记忆写入策略如何区分用户明示事实、Agent 推断事实和会话衍生上下文，避免相互污染 A 区分用户明示/Agent 推断/会话衍生三类，分库存储并标记来源与可信度，推断类需确认后才晋升 ✓ 正确答案 B 所有记忆混在一起存储，靠模型自行判断 C 只存用户明示事实，其余丢弃 D 推断类默认当作长期事实存储
# 4. 多用户共用同一 Agent 时，如何隔离记忆命名空间、避免跨用户事实串味 A 所有用户共享同一记忆库 B 只在检索时隔离，存储可混 C 每个用户独立记忆命名空间，存储分区、检索过滤、权限校验全部带用户维度 ✓ 正确答案 D 只隔离会话，不隔离长期记忆
# 5. 敏感记忆条目如何按租户加密、字段级遮罩、过期删除并传播到摘要、Embedding 与派生数据 A 只需要删主表记录 B 遮罩过的字段永远安全 C 删除后无需清理向量 D 原条目删除后需级联传播到摘要、Embedding、缓存与备份等派生形态，防止旧敏感数据被召回 ✓ 正确答案
# 6. MemGPT 的 hot、warm、cold 分层和 paging 类比如何映射到模型窗口、持久存储和检索 A 三层都在窗口内 B hot=窗口、warm=持久存储、cold=归档检索，通过 paging 的换入换出机制迁移 ✓ 正确答案 C cold 层不需要检索 D hot 等价于数据库
# 7. Letta 如何把记忆管理显式化，应用应怎样控制写入、编辑、淘汰和用户可见性 A 控制写入（格式/权限/校验） B 控制编辑（版本化/拦截） C 把记忆完全交给模型自由发挥，用户不可见 ✓ 正确答案 D 控制淘汰与用户可见性
# 8. 基于工具调用的上下文扩展如何在需要时换入信息，并避免无限递归读取 A 允许无限嵌套读取 B 禁止使用任何读取工具 C 设置读取深度上限、去重、调用次数限制与 Token 预算 ✓ 正确答案 D 只靠模型自觉
# 9. MemGPT 的 eviction、compaction、archival 触发时机如何设计，避免热层频繁抖动和冷层召回失真 A 用滞后阈值与冷却时间抑制抖动，归档时保留原文与来源并控制检索阈值抑制失真 ✓ 正确答案 B 只看窗口长度触发驱逐 C 归档后丢弃原文以提高效率 D 抖动与失真无关紧要
# 10. Letta 的 memory blocks（persona、facts、conversation）应如何划分与更新，各块的读写权限与审计如何设置 A 三个块都可随意读写，无需权限 B conversation 块不应被更新 C 全部由模型自由写，无审计 D persona 稳定且只读、facts 需确认可写、conversation 高频读写，并对核心写入做审计 ✓ 正确答案
# 11. 分层记忆如何做持久化、版本、事务和崩溃恢复，防止热层与冷层不一致 A 以持久层为单一事实源，热层作为缓存，用事务+版本+WAL 崩溃恢复保证对齐 ✓ 正确答案 B 只保存在内存，崩溃后丢弃 C 热层与冷层各自独立，无需同步 D 只靠手动备份
# 12. 记忆归档时如何保留来源、版本和回滚指针，防止冷层成为不可解释的“黑盒”知识 A 只保留归档内容本身 B 来源、版本与回滚指针，让每次召回都能追溯到原始证据 ✓ 正确答案 C 压缩后的摘要即可，不留原文 D 只保留时间戳
# 13. 长会话 Agent 中怎样度量换入命中、错误记忆、Token 节省和额外延迟 A 换入命中、错误记忆率、Token 节省与额外延迟，形成盈亏账 ✓ 正确答案 B 只关注 Token 节省 C 只关注延迟 D 指标无需埋点，靠估算
# 14. 如何观测一次回答到底使用了哪些记忆来源，而不暴露内部思考 A 用来源标识+引用标记呈现"回答参考了哪些记忆"，推理过程保持内部 ✓ 正确答案 B 直接输出完整思维链 C 隐藏所有来源，只给结论 D 来源与推理混在一起输出
# 15. 如何评估一次会话中记忆换入/换出对延迟、Token 成本和回答质量的边际贡献 A 只统计换入次数 B 假定换入永远有益 C 用消融对比（启用 vs 禁用）测延迟、Token 与质量差异，并做换入类型的贡献归因 ✓ 正确答案 D 只看 Token 成本
# 16. 记忆压缩后丢失事实时，应用应怎样做“显式反思”请求而不是接受沉默失忆 A 在关键任务上触发显式反思，识别记忆缺口并主动补充检索/向用户确认 ✓ 正确答案 B 接受丢失，继续作答 C 禁止一切压缩 D 压缩后不检查，靠运气
# 17. 为什么记忆系统不能与 RAG 完全等价，二者应在“事实查询”和“个人偏好”上分工 A 两者完全等价，可互换 B RAG 负责事实/知识查询，记忆系统负责个人偏好与状态，分工互补 ✓ 正确答案 C 记忆系统应替代 RAG 处理所有知识 D RAG 能直接管理个人偏好
# 18. 如何防止 Agent 自我强化错误记忆，建立跨会话的“事实校验”或外部权威引用机制 A 让 Agent 自由写入并长期引用 B 禁止写入任何记忆 C 区分已验证/待验证，待验证项不参与推理，并绑定外部权威来源做跨会话校验 ✓ 正确答案 D 只靠用户事后纠正
# 19. 记忆的可解释性如何展示给用户，例如让用户审阅、修改或删除自己的个人记忆 A 只展示记忆，不允许修改 B 用户可审阅、修改、删除个人记忆，删除需传播到派生形态 ✓ 正确答案 C 记忆对用户完全隐藏 D 用户只能看到结论，不能干预记忆
# 20. MemGPT/Letta 与分层记忆在实际项目中应怎样完成落地与最佳实践沉淀，避免工程化反复走弯路 A 直接全量上线，不沉淀 B 小规模验证→抽象成可复用组件→沉淀最佳实践与评测集，重复项目直接复用 ✓ 正确答案 C 每个项目从零开始 D 只沉淀代码，不沉淀文档
# 21. MemGPT 或 Letta 的主上下文与外部记忆分页模型如何工作，和传统 ChatMemory 摘要方案差异在哪里 A 两者完全相同 B 摘要方案能跨会话精确留存原文 C 分页模型是结构化、按需加载、可主动操作的记忆；摘要方案是无结构、全量常驻、有损压缩 ✓ 正确答案 D 分页模型不保留原文
# 22. 如何限制记忆管理 Agent 调用 archival memory 的频率、范围和写入权限，避免记忆循环消耗上下文 A 授予无限调用权限 B 只限制频率，不限制范围 C 设置调用频率、范围、写入权限限制，配合 Token 预算与去重 ✓ 正确答案 D 禁止记忆管理 Agent 的一切调用
# 23. 分层记忆中的核心事实、工作记忆和归档文档应采用怎样的检索键与更新策略 A 三类都用同一套键和策略 B 核心事实用实体键+原地更新、工作记忆用会话键+增量覆盖、归档用向量语义检索+追加重索引 ✓ 正确答案 C 归档频繁原地改写 D 工作记忆跨会话永久保留
# 24. 记忆检索结果与当前用户指令冲突时，模型应优先遵循哪一层，系统如何显式表达冲突而非静默覆盖 A 静默忽略记忆，只按指令执行 B 以最新用户指令优先，但显式呈现冲突并让用户确认，纠正后回写记忆 ✓ 正确答案 C 永远以旧记忆为准 D 静默覆盖其中一层即可
# 25. 从 MemGPT 迁移到自建状态图时，哪些记忆边界、工具权限和恢复语义必须保持兼容 A 只要接口名相同即可 B 记忆分类可以随意调整 C 记忆边界、工具权限、恢复语义（含崩溃恢复、版本、删除传播）保持一致 ✓ 正确答案 D 权限模型可以推倒重来
# 26. MemGPT/Letta 分层记忆与外部长期存储（RDBMS、向量库、对象存储） A 只用一种存储存所有记忆 B 所有记忆都放窗口 C 对象存储替代向量库 D RDBMS 存精确/事务性核心事实、向量库存语义检索、对象存储存大体积原文，由记忆系统编排 ✓ 正确答案
# 27. 如何评估分层记忆对长任务成功率、Token 成本、延迟和隐私风险的净收益 A 只算成功率 B 忽略隐私风险 C 只看 Token 节省 D 用长任务成功率增量的价值减去 Token/延迟成本与隐私合规风险，看净收益是否为正 ✓ 正确答案
