1.6 KiB
1.6 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | |||||
|---|---|---|---|---|---|---|---|---|---|---|
| Agent 记忆系统 | 2026-06-19 | 2026-06-19 | concept |
|
|
Agent 记忆系统
定义
Agent 记忆系统是为 LLM-based agent 提供持久化、可检索、可演化的上下文管理基础设施。它不仅关乎 token 节省，更决定 agent 能否执行连续型长程任务。
为什么记忆是 Agent 的生死关键
两个标志性事件推动行业共识转变：
- ChatGPT 个人记忆功能（2025.4）：记忆代表 AGI 时代模型对每个用户的个性化理解
- OpenClaw 连续型 Agent：缺乏记忆系统 → 长程任务无法顺利执行
视角扩展：single-session → multi-session → multi-user → multi-agent → multi-apps，复杂度指数增长。
需要独立记忆层的原因
当开发者面向上述多维度场景时，需要一个独立的处理框架来屏蔽复杂性——让开发者专注 Agent 业务逻辑，而非记忆的具体处理机制。MemOS 正是为此设计的记忆增强层。
核心能力
| 环节 | 功能 |
|---|---|
| 抽取 | 从对话流中提取关键信息 |
| 组织 | 结构化存储、去重、归纳 |
| 检索 | 多路召回、时间衰减 |
| 更新 | 增量合并、矛盾检测 |
| 共享 | 跨 Agent/用户/会话传递 |