你弄伤我的鳞片了
@xinshou
Anthropic刚刚发布了一份13页的PDF，关于Agent Memory - 5层架构，可以削减90%的token成本，让你的Agent真正学习。
我最看重的是它把「工作记忆」「情景记忆」「语义记忆」「程序记忆」「遗忘」分开标，读的时候心里有底，这个设计比多数AI工具老实。
5层记忆架构：
第1层：工作记忆 - 上下文窗口。Agent现在看到的一切。当它满了，旧的上下文就死了。大多数Agent停在这里，然后想知道为什么它们坏了。
第2层：情景记忆 - 发生了什么。完整的交互日志和时间戳。Agent回忆起周二凌晨3点部署失败是因为迁移脚本有拼写错误。
第3层：语义记忆 - 什么是真实的。事实、实体、关系存储为知识图谱。"用户偏好TypeScript"就住在这里。会话结束时不会过期。
第4层：程序记忆 - 如何做事。Agent尝试了3种方法，一种成功了。那个方法变成了可重用的技能。下次它直接跳到有效的方法。
第5层：遗忘 - 什么要删除。一个从不遗忘的Agent会积累矛盾。旧的偏好覆盖新的。用户搬了城市，但Agent仍然推荐旧城市的餐厅。
结果：Mem0每次查询存储1,800个token，而不是26,000个。Snowflake添加了一个本体层 - 准确率提高20%，工具调用减少39%。记忆在第一天就收回了成本。
这份13页的PDF是区分聊天机器人和真正学习的Agent的关键。
项目地址：arxiv.org/abs/2501.12948
话题来源 @choopyplug1
50.5K阅读 ❤️297 x.com/…↗ 已改写，非原文转载
22 浏览 0 评论
0 反应
