长期运行低代码代理的记忆管理与上下文一致性

长期运行低代码代理的记忆管理与上下文一致性 ArXiv ID: 2509.25250作者: Jiexi Xu机构: University of Toronto, Vector Institute发布日期: 2025-09-27 摘要AI 原生低代码/无代码（LCNC）平台的兴起使得自主代理能够执行复杂的、长时间运行的业务流程。然而，一个根本性挑战依然存在：记忆管理。随着代理长时间运行，它们面临着记忆膨胀和上下文退化问题，导致行为不一致、错误累积和计算成本增加。本文提出分层记忆架构，将记忆分为工作记忆、短期记忆和长期记忆三个层次。实验表明，该方法可以将记忆占用降低70%，同时保持甚至提升任务完成质量。 问题背景长期运行代理的挑战123456789101112131415161718192021低代码代理典型使用场景：场景 1：客户服务对话（持续数周）┌─────────...

阅读全文