一句话定义：情景记忆（Episodic Memory）是“带时间地点的一次具体经历”，语义记忆（Semantic Memory）是“从多次经历里沉淀下来的稳定结论”。这对概念来自认知心理学，现在被借来描述 AI 词典：AI Agent">AI Agent 的记忆系统。
打个生活化的比方。你记得“上周三下午在会上被老板当场问住，脸发烫”——这是情景记忆，有何时、何地、谁在场、什么感受。你记得“老板不喜欢没有数据支撑的汇报”——这是语义记忆，它已经脱离具体场景，是从若干次经历中抽出来的规律。人脑并不会把每件事原样存着，而是在休息时“重放”经历、提炼规律，把情景慢慢固化成语义。Agent 的记忆分层也是这个思路：原始事件留在情景层，提炼后的偏好、事实、规则进入语义层。
落到工程上，常见是三层：短期上下文（context window，当前对话的临时工作台）、情景存储（按时间戳记的事件流水，例如“6 月 3 日用户要求报告用中文、先给结论”）、语义存储（用户画像与领域事实，例如“该用户偏好中文、结论先行”）。写入策略上，情景层几乎“发生即记”，成本低但噪声大，需要摘要、去重和过期清理；语义层则要谨慎，通常要“多次出现 + 冲突检查”才允许升级写入，否则一次误会就会被固化成永久人设。召回策略也不同：情景记忆靠“时间 + 相似度”混合检索，回答“最近发生了什么、有没有类似的旧事”；语义记忆靠实体或标签精确取用，回答“这个用户的语言偏好是什么”，并且往往每轮都要注入。
| 维度 | 情景记忆 | 语义记忆 |
|---|---|---|
| 内容 | 具体事件：时间、人物、经过 | 抽象结论：偏好、事实、规则 |
| 例子 | “昨天用户让我把图表换成柱状图” | “该用户偏好柱状图” |
| 写入 | 发生即记，靠摘要压缩 | 反复出现才升级，需冲突处理 |
| 召回 | 按时间与相似度检索 | 按实体或标签精确取 |
| 风险 | 噪声多、上下文膨胀 | 记错难纠正、以偏概全 |
和几个相邻概念的区别：它不同于 RAG 里的向量库——向量库存的是外部文档资料，不是“关于这个用户的经历”；也不同于微调（fine-tuning）——微调改的是模型权重里的能力，不是可读、可改、可删的记忆条目；还不同于上下文窗口——窗口是内存，记忆是硬盘。
实际意义在于：把两类记忆混在一个池子里，Agent 就容易出现两种毛病——用户说过一次“这次用英文”，从此永远英文；或者细节记得一大堆，却答不到点上。分开存、分开写、分开取，才能既记得住事，又懂这个人。对普通用户来说，评估一个助手也可以看两点：它能不能准确复述上次的约定（情景），以及有没有稳定理解你的习惯（语义）——后者通常更值钱。具体产品的记忆开关与保留策略，以官方页面为准。