Agent记忆零Token消耗：Zero-Mem架构延迟降57.6%
rohanpaul_ai · x · 2026-08-14
论文 Zero-Mem 提出了一种用于 LLM Agent 的长期记忆新架构，其核心亮点在于记忆操作完全不消耗 LLM token。
- 零成本记忆：在最终问答之外的每次记忆检索与管理操作，均不需要调用 LLM，实现了零输入/输出 token 消耗。
- 性能提升：在受控对比实验中，该架构的延迟比最快的基线方法降低了 57.6%。
- 技术实现：保留原始交互历史，并在此基础上构建两个非生成式视图：用于映射关系的实体上下文图（Entity-context graph），以及用于捕捉会话与局部上下文的时间层级（Temporal hierarchy）。
- 确定性路由：查询时，系统通过确定性路由决定依赖哪个视图，检索证据并校准结果，最后再交由模型生成答案。
这种结构化记忆机制避免了将记忆管理转化为持续的生成问题，忠实保留了原始交互轨迹。
「编程与Agent」频道最新
- E2B 弃用原生 Firecracker，推出自研代码沙盒运行时 — badphilosopher · 2026-08-14
- GooeyPi: 为本地编码智能体打造的跨平台桌面 GUI — kevinkern · 2026-08-14
- 用 Claude 与 Codex 快速打造 3D 网页大富翁 — nijfranck · 2026-08-14
- GitHub 报告:AI 时代开源项目安全实践 — mariorod1 · 2026-08-14
- 开发者分享 AI Agent 技能使用统计：揭示最实用的智能体能力 — kevinkern · 2026-08-14
- Rails 编程智能体实测：Opus 5 最准，GPT-5.6 Luna 性价比最高 — sergeykarayev · 2026-08-14