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。
「编程与Agent」频道最新
- LinkedIn 用 LangGraph 招聘智能体将面试周期缩短 60% — LangChain · 2026-07-22
- Localmaxxing 称已记录 3500 次本地 AI 运行 — LocalMaxxing · 2026-07-22
- AI 产品评估难点:系统与产品并行开发致标准滞后 — _ScottCondron · 2026-07-22
- Agent 漏掉 CMS 交叉核对，答错零点击文章 — philrox_ · 2026-07-22
- Reddit 在问 Plugsky 的 agentic coding 是否真无限量 — Riley0206 · 2026-07-22
- Sloop 把设计规格交给后台 coding agent 执行 — clankers9197 · 2026-07-22