告别无记忆 RAG:四层记忆多 Agent 系统从自身解决记录中自我学习
yashghotekar · reddit · 2026-09-30
作者团队针对标准 RAG「无记忆」的问题——LLM 给出错误解法后会反复犯错——构建了一个自我学习的多 agent 架构，把成功的解决记录沉淀为持久、可复用的程序性规则。
架构要点：
- 编排：纯 Python 控制器类，不用重框架
- 记忆引擎：Hindsight，四层记忆（情景/语义/程序性/偏好），分层是为了避免聊天日志混入执行规则后污染语义检索
- 静态 RAG：Qdrant 向量索引文档
- 质控：Critic Agent 按召回的程序规则严格校验，最多重写 2 次
- 学习：请求路径外的异步反思流水线
请求生命周期：IntakeAgent 分类意图 → RetrievalAgent 从 Qdrant + Hindsight 分层召回 → ResolutionAgent 起草、Critic 校验/重写 → ReflectionAgent 事后打分，置信度 ≥0.8 时生成新程序性规则写回记忆。
实例：agent 首次遇到批量同步的 HTTP 429，反思后存下规则「DB 同步批次上限 50 条」，下次直接按 50 条执行。
已知局限：规则漂移与去重、跨用户组织级记忆范围、规则摘要截断方式待改进。
「编程与Agent」频道最新
- Codex 桌面版 Linux 卡死 bug 已在最新版修复 — cedric_chee · 2026-09-30
- 2026 Go 语言 AI 框架横评:五大框架实测对比,附真实代码 — rseroter · 2026-09-30
- mitsuhiko:llama.cpp 接 Pi,任意本地模型可当廉价分类器 — mitsuhiko · 2026-09-30
- Obsidian Mind 项目 4.7k 星:用 Obsidian 仓库给 AI 编码智能体持久记忆 — tom_doerr · 2026-09-30
- Agent 框架 Ambion 发布 0.4.0，聚焦核心抽象简化 — andreisavu · 2026-09-30
- Spring AI 演讲预告：《There and Back Again》即将开讲 — therealdanvega · 2026-09-30