Appearance
83. AI Agent 长期记忆的主流数据库有哪些？
难度 P1 高频 · 岗位 应用 · 频率 ★★★ · 预计阅读 5 min
本题阅读地图
- 💡 简要回答
- 📝 详细解析
- 🎯 面试总结
👔 面试官：Agent 做长期记忆，数据库怎么选？只用向量数据库吗？
🙋 我：向量数据库存语义内容，再加个关系型数据库存结构化数据？
👔 面试官：对了一半，但还有图数据库、时序数据库，每种适合什么类型的记忆，你能说清楚吗？
💡 简要回答
Agent 长期记忆通常需要四类数据库的组合，因为不同类型的记忆有截然不同的存储和检索需求：向量数据库管语义检索，关系型数据库管结构化精确查询，图数据库管实体关系，时序数据库管时间维度查询。
📝 详细解析
四类数据库各司其职
关系型数据库（PostgreSQL / MySQL / SQLite）
适合存：结构化的用户档案和元数据——用户 ID、创建时间、标签分类、权限配置、记忆的元信息等。精确查询（WHERE user_id = 123）、事务支持、成熟运维工具，是记忆系统的「骨架」。
NoSQL 数据库（MongoDB / DynamoDB / Redis）
- MongoDB / DynamoDB：schema 灵活，适合字段经常变化的用户偏好内容
- Redis：内存存储，极低延迟，适合当前会话缓存和热数据快速读取
向量数据库（Milvus / Qdrant / Pinecone / ChromaDB）
适合存：需要语义检索的记忆内容——对话摘要、经验知识、用户说过的话。支持近似最近邻搜索（ANN），能找到「语义相近」的历史记忆，是长期记忆的核心存储。
图数据库（Neo4j / Amazon Neptune）
适合存：实体之间的复杂关系——用户和项目的关联、多 Agent 任务依赖链、知识图谱。关系查询比关系型数据库快很多，适合「找出和实体 X 有三度关联的所有记忆」这类查询。
选型速查表
| 记忆类型 | 推荐数据库 | 原因 |
|---|---|---|
| 用户结构化档案 | PostgreSQL | 精确查询、事务保证 |
| 语义化历史对话 | Qdrant / Milvus | 向量语义检索 |
| 当前会话缓存 | Redis | 极低延迟读取 |
| 实体关系网络 | Neo4j | 复杂关系查询 |
| 时序操作日志 | InfluxDB / TimescaleDB | 时间维度聚合查询 |
小型项目可以只用 PostgreSQL（支持 pgvector 插件，兼做向量检索）+ Redis，减少运维复杂度。大型生产系统才有必要做多数据库组合。
🎯 面试总结
答这道题展示「按需选型」的工程思维：向量数据库解决语义检索、关系型数据库解决精确查询、图数据库解决关系推理。然后补充「小项目 PostgreSQL + pgvector 搞定，大项目再考虑多库组合」，体现务实的工程判断力。