Weaviate演示Agent记忆管理
victorialslocum · x · 2026-07-15
Weaviate 发布了 Engram 的演示，主打“更聪明的 agent 记忆管理”。
他们指出，很多 agent 聊天机器人现在只有两种糟糕做法：要么每次把整段历史塞进上下文，导致成本高、性能差、跨会话不一致；要么把每条消息都存起来做检索，又会引入噪音、矛盾和过时事实。
Engram 的思路是改成主动维护记忆：
- 在后台异步处理对话
- 提取与配置主题相关的信息
- 将新记忆与已有记忆做对齐和去重，处理偏好变化与事实演进
- 以结构化、分域的方式保存记忆
帖子强调，这种方式比“全塞上下文”或“无脑堆积消息”更适合长期对话型 agent。
「编程与Agent」频道最新
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11