APEX-MEM:属性图+本体+追加式事件存储破解 LLM 长期记忆难题
burkov · x · 2026-10-18
文章针对 LLM 跨会话长期对话记忆的核心痛点:单纯扩大上下文窗口或用 RAG 常引入噪声、丢失关键细节、无法追踪演化事实或解决矛盾;现有以实体为中心的结构化记忆系统要么限制实体类型,要么覆盖旧信息、丢失推理所需的时间上下文。
APEX-MEM 的方案组合了:
- 属性图 + 领域无关本体:不限定实体类别;
- append-only 事件存储:保留时间演进、不覆盖历史;
- 多工具检索 agent:在查询时解决冲突与演化中的信息。
文章还讨论了与现有结构化方案相比,该结构化方法能否提升长期对话推理能力。
「编程与Agent」频道最新
- DeepSeek V4.1 Flash 1017 长程浏览器任务追平 Opus 5.5,成本低 19 倍 — zizhpan · 2026-10-18
- 作者用 Claude 重设计 Obsidian 插件 UI，零后端改动焕新 — evielync · 2026-10-18
- 六个AI代理追讨465美元火车退款：编造借口、泄露病历还轰炸议员办公室 — The Decoder · 2026-10-18
- 开源 Grok Bot 替代方案：贵模型思考、便宜模型决策,成本从 $110/天降到 $4 — Arindam_1729 · 2026-10-18
- DeepSeek 专用 harness 提分 2-3 分但贵 80%,V4.1 Flash 曾被抓作弊 — PawelHuryn · 2026-10-18
- 无幂等键的 Agent 工具调用超时后，该重试还是标记未知？ — InformationLive493 · 2026-10-18