Memory in the Age of AI Agents
ArXiv ID: 2512.13564作者: Yuyang Hu, Wangchunshu Zhou, Yixin Liu 等 47 位作者发布日期: 2025-12-15分类: context-engineering
摘要记忆已成为（并将持续是）基础模型智能体的核心能力。随着智能体记忆研究的快速扩展和前所未有的关注，该领域也变得日益碎片化 – 现有工作在动机、实现和评估协议上存在显著差异。传统的长期/短期记忆分类已不足以涵盖当代智能体记忆系统的多样性。
本文提供了一个全面的、多视角的智能体记忆研究全景，明确界定了智能体记忆的范畴，并将其与 LLM 记忆、RAG 和上下文工程等相关概念区分开来。
主要贡献1. 三视角分析框架提出了一个从三个维度理解智能体记忆的统一框架：
形式视角 (Forms)
Token ...
Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory
Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory
ArXiv ID: 2504.19413作者: Prateek Chhikara, Dev Khant, Saket Aryan, Taranjeet Singh, Deshraj Yadav发布日期: 2025-04-28分类: context-engineering
摘要大语言模型的固定上下文窗口在维持长期多轮对话一致性方面存在根本性挑战。Mem0 提出了一种面向生产环境的可扩展记忆架构，能够从持续对话中动态提取、整合和检索关键信息。增强版本利用图结构记忆表示来建模对话元素间的关系。
主要贡献1. 可扩展记忆架构Mem0 的核心是一个以记忆为中心的架构，具备三个关键能力：
动态提取：从对话流中自动识别和提取关键信息
智能整合：将分散...
A-MEM: Agentic Memory for LLM Agents
A-MEM: Agentic Memory for LLM Agents
ArXiv ID: 2502.12110作者: Wujiang Xu, Zujie Liang, Kai Mei, Hang Gao, Juntao Tan, Yongfeng Zhang发布日期: 2025-02-17发表会议: NeurIPS 2025分类: context-engineering
摘要虽然 LLM 智能体能够有效使用外部工具来完成复杂的现实任务，但它们需要记忆系统来利用历史经验。当前的记忆系统支持基本的存储和检索，但缺乏精细的记忆组织能力。A-MEM 提出了一种新颖的智能体记忆系统，借鉴 Zettelkasten 方法（卡片盒笔记法），通过动态索引和链接创建互联的知识网络，每条记忆以包含上下文描述、关键词和标签的结构化笔记形式存储。
主要贡献1. 基于 Zettelkasten 的动态记...