智能体记忆要靠本体、写入路径和图检索
Al_Grigor · x · 2026-07-22
这条转发讨论的是 给智能体设计统一记忆系统。作者认为，很多人把重点放在 retrieval 上，但真正难的是把整个架构搭起来，而不是单点做 GraphRAG。
文章/配图给出的思路是一个四层结构：
- Ontology（本体）：先定义实体、关系、合并规则，以及事实如何随时间演化。
- Durable write path（持久写入路径）：把原始文档摄取和结构化记忆抽取拆成两条稳定流水线。
- Query / retrieval layer（查询层）：把自然语言映射成图查询，扩展到关联节点，找 Top-K，再做 rerank。
- LLM Wiki / context packing：维护包含 sources、entities、preferences、facts 的索引，把检索出的子图打包进上下文。
配图还把这套系统落到一个 MCP Server 上，列出了 NL Query Memory、Deep Search Memory、Ingest Conversation/File/URL 等工具，以及 Harness 和 Ingestion Pipeline。核心结论是：agent memory 本质上是系统工程，不只是检索。
所属事件:开发者热议 AI 智能体记忆系统的核心痛点(6 条相关)→
「编程与Agent」频道最新
- 生产级 AI Agent 常规评测 95% 稳健，遭定向攻击后跌至 37% — njyx · 2026-10-27
- Grok Bot 分析 AI 评论、Codex 开浏览器批量拉黑，两 agent 接力工作流 — vista8 · 2026-10-27
- huggingface_hub 2.3.0 发布：百万文件列取从分钟级降到 20 秒 — lhoestq · 2026-10-27
- Nous Research 发布 Advanced Delegation 插件，子智能体可按任务选模型 — NousResearch · 2026-10-27
- 不上 X 的牙医邻居玩转 Codex，编程门槛正在消失 — gabrielchua · 2026-10-27
- 斯坦福 PaperFormalizer：把论文自动转成 Lean 验证版本 — StanfordUniversity · 2026-10-27