在Agent的架构中，长期记忆（Long-Term Memory, LTM，通常来自向量数据库或知识图谱的检索）与短期记忆（Short-Term Memory, STM，即当前的上下文对话窗口）发生冲突是一个非常经典的难题。 这通常意味着用户状态发生了改变、用户提出了假设性问题，或者检索到了过时的信息。 在上下文工程（Context Engineering）中，处理这种冲突需要从Prompt设计、上下文结构、Agent推理逻辑以及记忆更新机制四个维度来系统性地解决。以下是具体的处理策略： --- 一、 Prompt 层的显式规则设定 (Explicit Prompting) 最直接的方法是在系统提示词（System Prompt）中为大模型（LLM）设定明确的优先级规则和时间感知能力。 1. 设定绝对的优先级（通常是 STM > LTM）： 在Prompt中明确告诉Agent，当两者冲突时，以眼前的对话为准。 > Prompt 示例： > "你拥有用户的历史档案（LTM）和当前的对话记录（STM）。如果历史档案中的信息与当前用户的表述发生矛盾，请始终以当前对话（STM）中的最新表...
播面