腾讯元宝与伦敦国王学院 NLP 团队联合发布 GroupAssistBench,基于 50 个真实群聊、80,299 条历史消息构建 2,395 道评测题,首次将 Agent 记忆能力拆分为 L1 事实召回与 L2 开放式服务两个层级。实验对比 14 组配置后发现,记忆召回更强并不等于服务能力更强,例如 EverMemOS 在 L1 得分 0.621 高于完整上下文的 0.570,但在 L2 仅得 0.247,远低于后者的 0.431。论文、代码与数据集均已公开。
智能体记忆
Agent Memory
智能体跨会话持久保存并调用用户与环境信息的机制,是实现越用越懂你的关键模块
收录情报动态
亚马逊 Bedrock 托管知识库新增 Agentic Retrieve 能力,让知识问答应用在检索之外同时具备用户记忆。该方案从历史对话中抽取持久事实,按当前问题筛选后注入检索请求,并按用户与文档做隔离。适用于客服助手、SaaS 文档问答与企业内部政策助手等场景。
Anthropic 研究 Claude 跨会话记忆机制,发现选择性记录策略与规则优于全量存档,后者会因过时数据淹没模型。其提出的“Dreaming”后处理流程可在空闲期分析历史会话记录,自动修正错误笔记并构建结构化知识库。
来自 9 所顶尖高校的研究者联合发布了一份 126 页的「持续在线智能体」路线图,系统梳理了个人智能体从单点功能竞争转向感知、记忆、行动三大模块协同的系统架构演进路径。报告直面后台常驻是否等于持续在线、用户缺席时智能体该做什么等核心问题,为行业提供了首个系统性的架构参考框架。
MIT 与 Meta 联合论文提出 ReHarness 机制,让智能体在每次任务结束后,用任务结果反向修订此前被检索复用的旧笔记,而非只追加新笔记,从而避免过时或过宽的教训持续误导智能体。在 3 个基准与 3 个前沿模型上,该方法平均取得 0.240 的归一化增益,优于最佳原始轨迹基线的 0.168;在 CL-Bench 上配合 Claude 时,其 token 消耗仅为回放完整原始历史的约三分之一。
文章提出智能体架构的瓶颈已从数据检索转向上下文治理,主张将上下文、记忆与知识拆分为三个独立组件,并以“上下文即控制平面”的范式统一编排。核心论点是:模型负责生成,外围的上下文引擎负责决定模型能看到什么,从而在架构层面抑制幻觉与成本失控。
当前 Agent 记忆分散在 AGENTS.md、/memories 目录、Copilot 仓库事实与 MCP 知识图谱等多种格式中,彼此无法互读,导致同一经验被反复重建。作者认为核心缺口不是工具,而是缺失类似 OpenTelemetry 的共享格式与约定,并以 LoreKit 的纯 Markdown 离线存储作为可检视的示例。
Anthropic 工程团队公开 Claude 跨会话记忆的四层架构:原始会话记录、自写记忆笔记、结构化 wiki、自动注入上下文,并新增“做梦”后台步骤,在会话结束后回看原始记录、修正错误笔记并重组索引。宝可梦与数据库答题测试显示,记忆质量而非数量决定表现,Opus 5 是首个形成完整学习循环的模型。
Anthropic 工程博客以人类记忆机制为类比,系统拆解 AI Agent 记忆的组成要素,并将其归入智能体与上下文工程议题。文章属于概念性工程经验分享,正文中段被省略,未给出可验证的具体方法或参数。
Anthropic 发布研究《The components of agent memory》,将 Claude 智能体的记忆拆为会话日志、记忆笔记、知识表征与上下文注入四层,并引入“做梦”机制,让模型在空闲时回顾日志、纠错并提炼规则。在 CL-Bench 数据库问答任务中,带记忆的 Claude Opus 5.5 与 Sonnet 5.5 平均得分升至 0.838 和 0.833,显著高于无记忆基线。