人工智能的敘事正在悄悄換軌。過去幾年，行業(yè)沉浸在“更大模型、更高分?jǐn)?shù)”的狂熱里，仿佛只要參數(shù)堆得夠高、benchmark 刷得夠亮，智能體就能自動(dòng)跨入通用智能的門檻。但當(dāng)模型能力逼近平臺(tái)期，現(xiàn)實(shí)世界的復(fù)雜性卻開始反向壓迫整個(gè)技術(shù)體系：任務(wù)變長、環(huán)境變亂、用戶變得不可預(yù)測，智能體必須在持續(xù)交互中保持穩(wěn)定、連貫、可控。

在這樣的背景下，記憶從一個(gè)“附屬模塊”躍升為基礎(chǔ)智能體的核心能力。它不再是錦上添花，而是決定智能體能否真正進(jìn)入“下半場”的關(guān)鍵變量。

圖1：基礎(chǔ)智能體記憶路線圖。展示基礎(chǔ)代理記憶框架趨勢的時(shí)間線，按記憶基質(zhì)和主題（以用戶或代理為中心）分類。

01記憶成為基礎(chǔ)智能體“下半場”的關(guān)鍵變量

當(dāng) AI 從單輪問答走向多輪協(xié)作，從靜態(tài)任務(wù)走向動(dòng)態(tài)環(huán)境，從一次性推理走向長時(shí)執(zhí)行，模型的上下文窗口再大，也終究無法承載真實(shí)世界的復(fù)雜性。用戶的偏好會(huì)變化，任務(wù)會(huì)跨天跨周，環(huán)境會(huì)不斷更新，智能體必須在不斷累積的信息洪流中保持穩(wěn)定、連貫、可控。

這正是記憶的價(jià)值所在。

它讓智能體不再是“每次都從零開始的聊天機(jī)器人”，而是一個(gè)能理解你、記住你、陪伴你、并在任務(wù)中不斷成長的長期伙伴。隨著任務(wù)從短期推理轉(zhuǎn)向長時(shí)執(zhí)行，記憶成為連接模型能力與真實(shí)世界效用的橋梁。沒有記憶，智能體只能在有限的上下文里掙扎；有了記憶，它才能真正跨越會(huì)話、跨越任務(wù)、跨越時(shí)間。

這也是為什么 2025 年開始，記憶相關(guān)研究呈現(xiàn)爆發(fā)式增長。基礎(chǔ)智能體的競爭，已經(jīng)從“誰的模型更大”轉(zhuǎn)向“誰的記憶更聰明”。

近日發(fā)布的《Rethinking Memory Mechanisms of Foundation Agents in the Second Half: A Survey》這篇綜述由來自 27 家國際頂尖高校與產(chǎn)業(yè)機(jī)構(gòu)的研究者共同完成，陣容橫跨北美、歐洲與亞洲，幾乎覆蓋當(dāng)前全球最強(qiáng)的 AI 研究力量。學(xué)術(shù)機(jī)構(gòu)包括 伊利諾伊大學(xué)厄巴納-香檳分校（UIUC）、斯坦福大學(xué)（Stanford）、加州大學(xué)洛杉磯分校（UCLA）、劍橋大學(xué)（Cambridge）、哈佛大學(xué)（Harvard）、南洋理工大學(xué)（NTU）、埃默里大學(xué)（Emory）、亞利桑那州立大學(xué)（ASU） 等世界級(jí)名校；產(chǎn)業(yè)機(jī)構(gòu)則來自 Salesforce（賽富時(shí)）、Google（谷歌）、Meta（原 Facebook）、Roblox（羅布樂思）、Cisco（思科）、Capital One（第一資本銀行） 等全球科技巨頭。

這支跨機(jī)構(gòu)、跨學(xué)科、跨地域的團(tuán)隊(duì)共同推動(dòng)了基礎(chǔ)智能體記憶機(jī)制的系統(tǒng)化研究，也讓這篇綜述成為當(dāng)前智能體記憶領(lǐng)域最具代表性的國際協(xié)作成果之一。

項(xiàng)目地址為：https://github.com/AgentMemoryWorld/Awesome-Agent-Memory

該倉庫收錄了 200+ 記憶系統(tǒng)綜述，是當(dāng)前最系統(tǒng)的智能體記憶研究索引庫。

02基礎(chǔ)智能體記憶的三維統(tǒng)一框架

為了理解智能體記憶的全貌，綜述提出了一個(gè)極具系統(tǒng)性的三維框架：記憶載體、認(rèn)知機(jī)制、記憶主體。這三個(gè)維度共同構(gòu)成了基礎(chǔ)智能體記憶系統(tǒng)的“骨架”，也為未來的記憶架構(gòu)設(shè)計(jì)提供了清晰的坐標(biāo)系。

圖2:Foundation Agent記憶的分類?；A(chǔ)試劑的記憶基質(zhì)（所代表的形式）包括內(nèi)部和外部記憶。在記憶認(rèn)知機(jī)制（記憶如何運(yùn)作）的視角下，記憶分為情景記憶、語義記憶、感覺記憶、工作記憶和程序記憶。基于記憶主體（受支持者），記憶被分為以用戶為中心和以代理為中心的視角。

記憶載體：智能體的“存儲(chǔ)介質(zhì)”

記憶首先要有地方放。基礎(chǔ)智能體的記憶載體大致分為三類。

內(nèi)部記憶是模型自身的記憶，包括權(quán)重中的知識(shí)、隱狀態(tài)中的短期信息、KV Cache 中的即時(shí)上下文。它速度快、耦合緊，但難以更新，也無法跨會(huì)話持久保存。

外部記憶則是智能體的“外接硬盤”，包括向量數(shù)據(jù)庫、結(jié)構(gòu)化知識(shí)庫、層級(jí)化的記憶樹等。它容量大、可編輯、可持久化，但檢索質(zhì)量和延遲是關(guān)鍵挑戰(zhàn)。

混合記憶正在成為主流趨勢。內(nèi)部記憶負(fù)責(zé)即時(shí)推理，外部記憶負(fù)責(zé)長期積累，兩者通過檢索、壓縮、反思等機(jī)制協(xié)同工作，形成類似人類“短期記憶 + 長期記憶”的雙系統(tǒng)結(jié)構(gòu)。

圖3：2023年第一季度至2025年第四季度期間，LLM智能體中與記憶相關(guān)研究的累積發(fā)表趨勢。圖中展示了所收集的218篇論文在三個(gè)關(guān)鍵維度上的分布：記憶載體（左）、記憶認(rèn)知機(jī)制（中）以及記憶主體（右）。陰影區(qū)域標(biāo)示了2025年研究產(chǎn)出顯著加速的階段。

認(rèn)知機(jī)制：記憶的“功能分工”

記憶不僅要存，還要“會(huì)用”。綜述借鑒認(rèn)知科學(xué)，將智能體的記憶功能劃分為五類，每一類都對(duì)應(yīng)著智能體在真實(shí)任務(wù)中的一種能力。

感官記憶負(fù)責(zé)短暫緩存視覺、音頻等原始輸入，讓智能體能在多模態(tài)環(huán)境中保持連續(xù)性。

工作記憶是智能體的“思考空間”，用于在線推理、規(guī)劃、工具調(diào)用，是執(zhí)行復(fù)雜任務(wù)的核心。

情節(jié)記憶記錄發(fā)生過的事件、對(duì)話、任務(wù)軌跡，是跨會(huì)話一致性和長期協(xié)作的基礎(chǔ)。

語義記憶則是智能體的“知識(shí)庫”，存儲(chǔ)抽象概念、事實(shí)、規(guī)則，支持跨任務(wù)遷移。

程序性記憶負(fù)責(zé)技能與策略的積累，讓智能體能在反復(fù)執(zhí)行中形成穩(wěn)定的 workflow 與操作習(xí)慣。

這五類記憶共同構(gòu)成了智能體的“認(rèn)知結(jié)構(gòu)”，讓它不僅能記住信息，還能在任務(wù)中靈活調(diào)度、推理和應(yīng)用。

圖 4：基礎(chǔ)智能體記憶系統(tǒng)的分類體系。

記憶主體：記憶“為誰服務(wù)”

記憶不是抽象存在，它總是服務(wù)于某個(gè)主體。綜述將主體分為兩類。

用戶中心的記憶關(guān)注用戶的偏好、身份、歷史行為、長期目標(biāo)，是個(gè)性化體驗(yàn)的基礎(chǔ)。一個(gè)能記住你旅行偏好、寫作風(fēng)格、工作習(xí)慣的智能體，才算真正“懂你”。

代理中心的記憶則關(guān)注智能體自身的成長，包括技能、策略、經(jīng)驗(yàn)、世界模型。它讓智能體能在任務(wù)中不斷學(xué)習(xí)、優(yōu)化、反思，形成類似“經(jīng)驗(yàn)值”的累積。

這兩類記憶共同構(gòu)成了智能體的“內(nèi)外雙循環(huán)”：對(duì)外理解用戶，對(duì)內(nèi)提升自己。

圖5：記憶認(rèn)知機(jī)制與記憶主體之間的聯(lián)系。每個(gè)集群對(duì)應(yīng)于以主體或用戶為中心的記憶工作的記憶認(rèn)知機(jī)制（感官、工作、語義、情景、程序）的論文數(shù)量，面積大小與論文數(shù)量成正比。

03基礎(chǔ)智能體記憶的操作機(jī)制

當(dāng)智能體開始在真實(shí)環(huán)境中執(zhí)行任務(wù)，它的記憶不再是靜態(tài)存儲(chǔ)，而是一條不斷流動(dòng)的操作流水線。每一次寫入、檢索、更新、壓縮與遺忘，都是智能體在“思考”和“成長”的過程。

圖6:Foundation Agent內(nèi)存系統(tǒng)的操作機(jī)制。該圖說明了foundation agent存儲(chǔ)系統(tǒng)的完整操作機(jī)制。對(duì)于單代理系統(tǒng)，它定義了五個(gè)核心操作：存儲(chǔ)和索引、加載和檢索、更新和刷新、壓縮和摘要以及遺忘和保留，這些操作控制著如何保存和訪問歷史信息以支持下游工作。對(duì)于多代理系統(tǒng)，該框架通過內(nèi)存架構(gòu)定義、路由協(xié)議以及隔離和沖突解決策略來解決協(xié)調(diào)挑戰(zhàn)，確保分布式代理之間的數(shù)據(jù)一致性和高效協(xié)作。

單智能體的記憶操作流水線

記憶的第一步是寫入。智能體需要判斷哪些信息值得留下：用戶的偏好？任務(wù)的關(guān)鍵節(jié)點(diǎn)？失敗的原因？成功的策略？寫入不是簡單的記錄，而是一次“選擇性注意”。

接下來是檢索。智能體必須在海量歷史中找到當(dāng)前任務(wù)真正需要的那一小部分信息。檢索的質(zhì)量直接決定智能體的表現(xiàn)：檢索錯(cuò)了，智能體就會(huì)答非所問；檢索不到，它就會(huì)像失憶一樣重復(fù)犯錯(cuò)。

更新是智能體的“自我修正”。當(dāng)任務(wù)狀態(tài)變化、用戶偏好改變、環(huán)境發(fā)生偏移，智能體必須及時(shí)刷新記憶，否則就會(huì)陷入過時(shí)信息的陷阱。

壓縮是記憶系統(tǒng)的“減肥術(shù)”。隨著交互變多，記憶會(huì)迅速膨脹，智能體必須學(xué)會(huì)把冗余內(nèi)容合并，把長對(duì)話總結(jié)成短語，把復(fù)雜軌跡提煉成策略。

遺忘則是最被低估的能力。沒有遺忘，記憶會(huì)變成垃圾堆；有了遺忘，智能體才能保持輕盈、敏捷、可控。

綜述強(qiáng)調(diào)，記憶的生命周期必須與任務(wù)耦合。智能體不是機(jī)械地存取，而是根據(jù)任務(wù)階段、目標(biāo)變化、環(huán)境反饋動(dòng)態(tài)調(diào)整記憶策略。這種“任務(wù)驅(qū)動(dòng)的記憶調(diào)度”正在成為下一代智能體的核心能力。

多智能體系統(tǒng)中的記憶協(xié)作

當(dāng)多個(gè)智能體開始協(xié)作，記憶不再是單體問題，而是一個(gè)復(fù)雜的“知識(shí)流動(dòng)系統(tǒng)”。

私有記憶是每個(gè)智能體的“個(gè)人經(jīng)驗(yàn)庫”。它記錄各自的技能、偏好、失敗教訓(xùn)，確保每個(gè)智能體都有獨(dú)立的行為風(fēng)格。

共享記憶則像團(tuán)隊(duì)的“公共白板”。任務(wù)目標(biāo)、環(huán)境狀態(tài)、關(guān)鍵決策都需要在共享空間中同步，讓所有智能體保持一致的世界觀。

協(xié)調(diào)式記憶是更高階的結(jié)構(gòu)。它由一個(gè)“調(diào)度者”負(fù)責(zé)管理不同智能體的記憶訪問權(quán)限，決定誰能寫、誰能讀、誰能修改，避免沖突和混亂。

記憶沖突是多智能體系統(tǒng)的常見問題。例如兩個(gè)智能體對(duì)同一事件的理解不同，或者一個(gè)智能體寫入了另一個(gè)無法接受的策略。權(quán)限控制和角色分工因此變得至關(guān)重要。

記憶路由則決定知識(shí)如何在智能體之間流動(dòng)。是廣播式同步？還是按需分發(fā)？是由調(diào)度者統(tǒng)一管理？還是智能體之間點(diǎn)對(duì)點(diǎn)交流？不同的路由方式會(huì)直接影響系統(tǒng)的效率與穩(wěn)定性。

綜述指出，多智能體記憶協(xié)作將成為未來復(fù)雜系統(tǒng)（如科研助手、企業(yè)級(jí) AI、機(jī)器人群體）的關(guān)鍵基礎(chǔ)設(shè)施。

圖7:Foundation Agent記憶系統(tǒng)的學(xué)習(xí)策略。我們說明了學(xué)習(xí)策略如何指導(dǎo)代理決定存儲(chǔ)什么、何時(shí)存儲(chǔ)、如何表示以及何時(shí)何地檢索或丟棄記憶。該圖總結(jié)了三種常見的方法，包括提示、微調(diào)和強(qiáng)化學(xué)習(xí)，這些方法逐步將記憶決策從不精確的記憶管理提高到有效和準(zhǔn)確的記憶管理。

04記憶策略的學(xué)習(xí)：從提示工程到自進(jìn)化

記憶不是死的，它需要策略。而策略不是寫死的，它需要學(xué)習(xí)。綜述把記憶策略的演化分成三個(gè)階段：提示工程、參數(shù)化學(xué)習(xí)、強(qiáng)化學(xué)習(xí)。

基于提示的記憶策略

提示工程是最早期的記憶策略。靜態(tài)提示告訴智能體“你應(yīng)該記住什么”，例如“請總結(jié)用戶偏好并存入記憶”。這種方式簡單直接，但缺乏靈活性。

動(dòng)態(tài)反思與自我修正是提示策略的升級(jí)版。智能體會(huì)在任務(wù)結(jié)束后反思：“我哪里做得不好？哪些信息應(yīng)該寫入記憶？”這種機(jī)制讓智能體具備了最初級(jí)的“自我改進(jìn)能力”。

提示策略的優(yōu)勢是可控、可解釋，但缺點(diǎn)也明顯：策略不穩(wěn)定、難以適應(yīng)復(fù)雜環(huán)境。

基于微調(diào)的參數(shù)化記憶

當(dāng)記憶策略被寫入模型權(quán)重，智能體就擁有了“內(nèi)化的記憶能力”。它不再依賴提示，而是通過訓(xùn)練學(xué)會(huì)何時(shí)寫入、如何總結(jié)、如何檢索。

這種方式讓記憶操作變得更自然、更高效，但也帶來了新的挑戰(zhàn)：穩(wěn)定性與可控性。記憶策略一旦寫進(jìn)權(quán)重，就不容易修改；如果策略學(xué)偏了，智能體可能會(huì)出現(xiàn)“過度記憶”或“錯(cuò)誤記憶”的問題。

綜述提到，參數(shù)化記憶正在成為主流趨勢，但仍需要更強(qiáng)的安全機(jī)制與可解釋性工具。

強(qiáng)化學(xué)習(xí)驅(qū)動(dòng)的記憶策略

強(qiáng)化學(xué)習(xí)讓記憶策略真正進(jìn)入“自進(jìn)化時(shí)代”。在這種框架下，記憶操作被視為動(dòng)作，智能體通過長期獎(jiǎng)勵(lì)來學(xué)習(xí)最優(yōu)策略。

它會(huì)自主探索什么時(shí)候該記？記什么最有價(jià)值？哪些信息應(yīng)該被遺忘？如何壓縮才能保留關(guān)鍵知識(shí)？

強(qiáng)化學(xué)習(xí)的優(yōu)勢在于它能優(yōu)化長期收益，而不是短期表現(xiàn)。這意味著智能體可以通過大量交互逐漸形成成熟的記憶體系，甚至發(fā)展出類似人類的“經(jīng)驗(yàn)積累能力”。

綜述認(rèn)為，強(qiáng)化學(xué)習(xí)將成為未來記憶系統(tǒng)的關(guān)鍵方向，因?yàn)樗屩悄荏w真正具備了“學(xué)習(xí)如何學(xué)習(xí)”的能力。

05記憶的規(guī)模化挑戰(zhàn)：上下文、環(huán)境與多模態(tài)

當(dāng)智能體從實(shí)驗(yàn)室走向真實(shí)世界，記憶系統(tǒng)面臨的挑戰(zhàn)不再是“能不能記”，而是“記得動(dòng)、記得穩(wěn)、記得對(duì)”。規(guī)模化帶來的壓力來自三個(gè)方向：上下文、環(huán)境、多模態(tài)。

上下文長度的極限與突破

上下文窗口的擴(kuò)展曾被視為解決記憶問題的“蠻力方案”。從幾千 token 到幾十萬 token，再到百萬級(jí)上下文，模型似乎越來越“能記”。但綜述指出，這種擴(kuò)展很快觸及兩個(gè)瓶頸：

一是成本。長上下文意味著更高的計(jì)算開銷，推理成本呈指數(shù)級(jí)增長。

二是噪聲。上下文越長，模型越容易被無關(guān)信息干擾，檢索難度也隨之上升。

因此，真正的突破不在于“無限擴(kuò)窗”，而在于“智能調(diào)度”。智能體需要學(xué)會(huì)把上下文當(dāng)作資源，而不是垃圾桶：哪些信息應(yīng)該進(jìn)入工作記憶？哪些應(yīng)該進(jìn)入長期記憶？哪些應(yīng)該被壓縮？哪些應(yīng)該被遺忘？這是一套動(dòng)態(tài)的、策略性的、任務(wù)驅(qū)動(dòng)的記憶管理體系。

上下文不再是“越長越好”，而是“越精準(zhǔn)越好”。

真實(shí)世界環(huán)境的復(fù)雜性

實(shí)驗(yàn)室里的智能體面對(duì)的是干凈、靜態(tài)、可控的環(huán)境；現(xiàn)實(shí)世界則完全不同。

任務(wù)是開放的，目標(biāo)是模糊的，信息是動(dòng)態(tài)的，用戶是多變的，工具是異構(gòu)的，環(huán)境是不可預(yù)測的。

智能體必須在這樣的環(huán)境中持續(xù)運(yùn)行，而記憶系統(tǒng)必須承擔(dān)起“穩(wěn)定器”的角色：

它要記錄環(huán)境狀態(tài)的變化，讓智能體不會(huì)在下一步突然“失憶”； 它要保存任務(wù)鏈條，讓智能體不會(huì)在長流程中迷路； 它要追蹤用戶行為，讓智能體能在混亂中保持一致性。

綜述強(qiáng)調(diào)，真實(shí)世界的復(fù)雜性讓記憶不再是“存儲(chǔ)問題”，而是“系統(tǒng)問題”。記憶必須與規(guī)劃、工具調(diào)用、感知、執(zhí)行深度耦合，成為智能體的核心循環(huán)的一部分。

多模態(tài)、具身智能體與世界模型的記憶需求

當(dāng)智能體開始擁有視覺、聽覺、動(dòng)作能力，甚至能在虛擬或物理世界中移動(dòng)時(shí)，記憶的維度瞬間擴(kuò)張。

視覺幀需要短暫緩存，形成感官記憶； 動(dòng)作序列需要記錄，形成程序性記憶； 環(huán)境變化需要建模，形成世界模型記憶； 多模態(tài)信息需要對(duì)齊，形成統(tǒng)一的語義記憶。

具身智能體的記憶系統(tǒng)更像是“神經(jīng)系統(tǒng)”，而不是“數(shù)據(jù)庫”。它必須實(shí)時(shí)響應(yīng)、持續(xù)更新、跨模態(tài)整合，并在復(fù)雜的感知-行動(dòng)循環(huán)中保持穩(wěn)定。

綜述指出，多模態(tài)與具身智能體將推動(dòng)記憶系統(tǒng)從“文本中心”走向“世界中心”，這是未來幾年最重要的技術(shù)趨勢之一。

06記憶系統(tǒng)的評(píng)測體系

記憶系統(tǒng)的評(píng)測一直是行業(yè)的痛點(diǎn)。傳統(tǒng)的 NLP 指標(biāo)無法衡量智能體在真實(shí)世界中的長期表現(xiàn)，而記憶系統(tǒng)的好壞往往只有在長時(shí)間、多任務(wù)、多會(huì)話的場景中才能顯現(xiàn)。

綜述將評(píng)測體系拆解為四類指標(biāo)，構(gòu)成一個(gè)更貼近真實(shí)應(yīng)用的評(píng)估框架。

準(zhǔn)確性指標(biāo)

這是最直觀的一類，包括記憶召回是否正確、事實(shí)是否被準(zhǔn)確提取、用戶偏好是否被正確識(shí)別、任務(wù)狀態(tài)是否被正確記錄，它衡量的是“記得對(duì)不對(duì)”。

但綜述指出，準(zhǔn)確性只能評(píng)估“靜態(tài)記憶”，無法評(píng)估記憶的動(dòng)態(tài)行為。

相似度指標(biāo)

這類指標(biāo)用于衡量記憶內(nèi)容與原始信息的相似程度，例如ROUGE、BLEU、BERTScore、embedding 相似度。

它衡量的是“記得像不像”。

但相似度高不代表記憶有用，甚至可能意味著智能體“記得太多”，缺乏抽象能力。

LLM-as-a-Judge

隨著任務(wù)變復(fù)雜，人工評(píng)估成本高昂，LLM-as-a-Judge 成為主流趨勢。它可以評(píng)估記憶是否被正確使用，記憶是否提升了任務(wù)表現(xiàn)，記憶是否保持一致性，記憶是否符合用戶意圖，它衡量的是“記得是否有價(jià)值”。

綜述指出這類評(píng)估更貼近真實(shí)任務(wù)，但也依賴評(píng)審模型的質(zhì)量。

真實(shí)世界任務(wù)評(píng)測的缺口

盡管已有大量指標(biāo)，但綜述強(qiáng)調(diào)，當(dāng)前評(píng)測體系仍然缺乏對(duì)以下能力的衡量長期一致性，多會(huì)話穩(wěn)定性，任務(wù)鏈條的連續(xù)性，記憶的可控性與安全性，記憶在復(fù)雜環(huán)境中的魯棒性，多模態(tài)與具身場景下的記憶表現(xiàn)。

換句話說，行業(yè)仍缺少“真實(shí)世界級(jí)”的記憶 benchmark。

綜述呼吁構(gòu)建跨天、跨任務(wù)、跨工具、跨模態(tài)的評(píng)測體系，讓記憶系統(tǒng)真正接受“實(shí)戰(zhàn)檢驗(yàn)”。

07基礎(chǔ)智能體記憶的應(yīng)用版圖

當(dāng)記憶能力從實(shí)驗(yàn)室走向真實(shí)世界，它的價(jià)值開始在各個(gè)行業(yè)中顯現(xiàn)。綜述列出的 12 大應(yīng)用領(lǐng)域，幾乎覆蓋了所有需要長期交互、復(fù)雜任務(wù)鏈條、個(gè)性化體驗(yàn)的場景。

圖 8：基礎(chǔ)智能體記憶系統(tǒng)的應(yīng)用場景。該圖展示了基礎(chǔ)智能體記憶系統(tǒng)的主要應(yīng)用領(lǐng)域，包括教育、科學(xué)研究、游戲與模擬、機(jī)器人、對(duì)話系統(tǒng)、醫(yī)療健康、工作流自動(dòng)化、軟件工程、在線流媒體與推薦系統(tǒng)、信息檢索、金融與會(huì)計(jì)，以及法律與咨詢等方向。

教育領(lǐng)域的智能導(dǎo)師不再是“答題機(jī)器”，而是能記住學(xué)生的知識(shí)薄弱點(diǎn)、學(xué)習(xí)節(jié)奏、興趣偏好，甚至能跨學(xué)期追蹤成長軌跡的“長期陪伴者”。記憶讓教育 AI 從工具變成伙伴。

科研領(lǐng)域的智能研究助手需要跨文獻(xiàn)、跨實(shí)驗(yàn)、跨項(xiàng)目地積累知識(shí)。沒有記憶，它只能重復(fù)檢索；有了記憶，它能形成自己的“研究語境”，甚至能在長期項(xiàng)目中保持一致的推理風(fēng)格。

機(jī)器人與具身智能體的記憶更像是“世界模型的延伸”。它們必須記住空間結(jié)構(gòu)、任務(wù)步驟、失敗原因、環(huán)境變化，才能在物理世界中穩(wěn)定運(yùn)行。

醫(yī)療場景對(duì)記憶的要求極高。智能體需要理解患者的長期病史、用藥記錄、生活習(xí)慣、診療反饋，才能提供真正個(gè)性化的輔助決策。記憶在這里不僅是效率問題，更是安全問題。

推薦系統(tǒng)的記憶能力決定了它能否理解用戶的長期興趣，而不是只靠短期行為做“即時(shí)推薦”。記憶讓推薦從“猜你喜歡”變成“懂你是誰”。

金融領(lǐng)域的智能體需要跨交易周期、跨市場狀態(tài)、跨風(fēng)險(xiǎn)事件地積累經(jīng)驗(yàn)。記憶讓它能識(shí)別長期模式，而不是被短期噪聲牽著走。

軟件工程與工作流自動(dòng)化的智能體需要記住項(xiàng)目結(jié)構(gòu)、代碼風(fēng)格、歷史 bug、團(tuán)隊(duì)習(xí)慣，才能真正成為“工程協(xié)作者”而不是“代碼生成器”。

這些應(yīng)用共同指向一個(gè)事實(shí)，記憶是智能體從“工具”走向“角色”的關(guān)鍵。只有能記住、能理解、能延續(xù)，智能體才能真正融入人類的工作與生活。

圖 9：基礎(chǔ)智能體記憶的未來方向與挑戰(zhàn)。該圖強(qiáng)調(diào)了未來智能體記憶研究中的關(guān)鍵機(jī)遇，包括面向自進(jìn)化智能體的記憶、多智能體記憶組織、人機(jī)協(xié)作記憶、記憶效率優(yōu)化、面向多模態(tài)與具身智能體的記憶、持續(xù)學(xué)習(xí)記憶、終身個(gè)性化記憶，以及真實(shí)世界基準(zhǔn)測試與評(píng)估體系的構(gòu)建。

08未來走向“可持續(xù)、自進(jìn)化、可信賴”的智能體記憶

綜述在未來方向的部分呈現(xiàn)出一種非常明確的趨勢，記憶系統(tǒng)正在從“工程模塊”走向“生態(tài)系統(tǒng)”。未來的智能體記憶將具備可持續(xù)性、自進(jìn)化能力、可信賴性，并且能夠在復(fù)雜環(huán)境中穩(wěn)定運(yùn)行。

持續(xù)學(xué)習(xí)與自進(jìn)化記憶是第一條主線。智能體不能永遠(yuǎn)依賴人工提示或靜態(tài)規(guī)則，它必須學(xué)會(huì)在長期交互中自主調(diào)整記憶策略：哪些信息值得保留？哪些應(yīng)該被壓縮？哪些必須遺忘？這種自進(jìn)化能力將決定智能體能否在真實(shí)世界中長期生存。

多人多智能體的記憶組織是第二條主線。當(dāng)智能體開始協(xié)作，記憶不再是單體問題，而是一個(gè)“知識(shí)流動(dòng)系統(tǒng)”。團(tuán)隊(duì)智能體需要共享任務(wù)狀態(tài)、同步環(huán)境理解、協(xié)調(diào)策略分工，同時(shí)保持各自的私有記憶。這種“群體記憶結(jié)構(gòu)”將成為未來企業(yè)級(jí) AI 的基礎(chǔ)設(shè)施。

記憶基礎(chǔ)設(shè)施與效率優(yōu)化是第三條主線。隨著記憶規(guī)模不斷膨脹，如何構(gòu)建高效、低延遲、可擴(kuò)展的記憶系統(tǒng)，將成為工程層面的核心挑戰(zhàn)。未來的記憶系統(tǒng)可能會(huì)像數(shù)據(jù)庫一樣擁有自己的“索引、緩存、分片、壓縮、調(diào)度”機(jī)制。

隱私、安全與可信記憶是第四條主線。用戶中心的記憶必須可控、可審計(jì)、可刪除、可隔離。智能體不能“記太多”，也不能“記錯(cuò)人”。可信記憶將成為智能體能否進(jìn)入醫(yī)療、金融、政務(wù)等高敏感領(lǐng)域的關(guān)鍵門檻。

多模態(tài)與具身智能體的記憶是第五條主線。隨著智能體擁有視覺、聽覺、動(dòng)作能力，記憶將從文本擴(kuò)展到世界模型。它需要記住空間、物體、動(dòng)作、反饋、環(huán)境變化，形成類似“感知—行動(dòng)—記憶”的閉環(huán)。

真實(shí)世界評(píng)測體系的構(gòu)建是第六條主線。當(dāng)前的 benchmark 無法衡量智能體在長期任務(wù)中的表現(xiàn)。未來需要跨天、跨任務(wù)、跨工具、跨模態(tài)的評(píng)測體系，真正檢驗(yàn)記憶系統(tǒng)的穩(wěn)定性、魯棒性與價(jià)值。

這些方向共同指向一個(gè)未來圖景：智能體的記憶系統(tǒng)將成為 AI 的“第二大腦”，負(fù)責(zé)長期理解、經(jīng)驗(yàn)積累、策略演化與世界建模。它不僅決定智能體能否完成任務(wù)，更決定它能否在真實(shí)世界中“活得久、活得穩(wěn)、活得好”。（END）

參考資料：https://arxiv.org/abs/2602.06052

關(guān)于波動(dòng)智能——

波動(dòng)智能旨在建立一個(gè)基于人類意圖與反應(yīng)的真實(shí)需求洞察及滿足的價(jià)值體系，融合人工智能與意識(shí)科學(xué)，構(gòu)建覆蓋情緒識(shí)別、建模與推薦的智能引擎，自主研發(fā)面向社交、電商等場景的多模態(tài)意圖識(shí)別引擎、意圖標(biāo)簽系統(tǒng)及意圖智能推薦算法，形成從情緒采集、意圖建模到商業(yè)轉(zhuǎn)化的完整解決方案。波動(dòng)智能提出“意圖是連接人、物與內(nèi)容的新型接口”，其產(chǎn)品廣泛應(yīng)用于AI社交、個(gè)性化內(nèi)容推薦、虛擬陪伴、電商體驗(yàn)優(yōu)化等領(lǐng)域。波動(dòng)智能正在探索“EMO-as-a-Service”技術(shù)服務(wù)架構(gòu)，賦能企業(yè)實(shí)現(xiàn)更高效的用戶洞察與精準(zhǔn)情緒交互，推動(dòng)從功能驅(qū)動(dòng)到意圖驅(qū)動(dòng)的產(chǎn)業(yè)范式升級(jí)。

親愛的人工智能研究者，為了確保您不會(huì)錯(cuò)過*波動(dòng)智能*的最新推送，請星標(biāo)*波動(dòng)智能*。我們傾心打造并精選每篇內(nèi)容，只為為您帶來啟發(fā)和深思，希望能成為您理性思考路上的伙伴！

加入AI交流群請掃碼加微信