5.2 用户画像与偏好沉淀

1.1 什么是用户画像用户画像（User Profile）是 Agent 对用户的结构化内部表征，它将分散的交互数据转化为高度凝练的认知模型。如果说记忆系统是 Agent 的"硬盘"，那么用户画像就是 Agent 的"大脑皮层"——它不只是存储信息，更重要的是对信息进行加工、抽象和提炼，形成对用户本质特征的理解。记忆与画像的核心区别在于抽象层次。Episodic Memory 存储的是"用户上次问了我如何优化 React 组件性能"，而用户画像记录的是"用户偏好函数式组件和 useMemo 优化，对 class 组件不感兴趣"。前者是原始数据，后者是提炼后的知识。Agent 查询画像时，获得的是直接可用的结论，而非需要二次推理的原始材料。从技术实现角度看，用户画像位于 Semantic Memory 层之上——它是 Semantic Memory 的"精选子集"，专门针对"关于这个用户，我知道些什么"这一类问题进行优化存储。1.2 用户画像的核心价值用户画像的首要价值是降低交互成本。在一个没有画像的 Agent 系统中，每次会话开始时 Agent 都像面对全新用户一样工作——它不知道用户用什么语言、习惯什么代码风格、偏好什么架构方案。这意味着用户每次都要重复解释自己的背景和需求，Agent 也无法基于历史经验给出更贴合用户心理预期的答案。画像的第二个价值是个性化响应。阿里妈妈营销平台的"AI小万"Agent 每天服务于大量营销客户，每个客户的需求背景差异巨大[^1]。没有画像，Age