Agent 越跑越笨？用图数据库做记忆的两个可抄模式
JeremyCMorgan · x · 2026-10-29
FalkorDB 博客长文讨论长时运行 Agent 的记忆方案：为什么 Agent 跑得越久记忆越不准、越慢且越贵，以及图数据库（GraphRAG 式记忆）相比纯向量检索如何修复这一问题。
作者 Jeremy Morgan 提炼了两个值得借鉴的模式：
- 把后台记忆抽取与每轮检索分离：不要把全部历史塞进上下文，而是在后台异步抽取关系/事实，检索时按需取用；
- 让过期关系失效而非追加矛盾：不要往记忆里不断 append 与旧状态冲突的新事实，应更新或删除过时关系。
文章还建议读者自行复现 benchmark 验证各家宣称，而非照搬营销数字。
「编程与Agent」频道最新
- Stack Overflow 推出 Scopes:为团队与 AI agent 划定可信知识空间 — pchandrasekar · 2026-10-29
- 清华与CUHK提出缓存工程:修剪上下文反而浪费算力 — TheTuringPost · 2026-10-29
- 开源 mcp-coatcheck 代理：慢 MCP 调用改后台取号，告别超时 — Awacer · 2026-10-29
- Vercel CI 发布：零配置自动跳过无关任务，快 2-6 倍 — cramforce · 2026-10-29
- AlsoAsked MCP Server：让 Claude 调用 Google「大家还在问」数据 — modelcontextprotocol · 2026-10-29
- Lobsters MCP Server：让 Claude 直接读取 lobste.rs 技术讨论 — modelcontextprotocol · 2026-10-29