摘要
长寿命的AI代理需要在交互中保持连续性，但单靠扩展提示窗口无法实现这一点。代理必须保留有用的先前经验，选择性地检索它，区分个人上下文与外部证据，并在基础情况变化时修订记忆。
我们提出了一种记忆架构基底，沿着两个正交轴组织：一个是表示轴，涵盖结构化记录、向量表示和图关系；另一个是时间轴，涵盖短期痕迹、中期抽象和长期语义承诺。其关键设计约束是同步的结构化-向量-图记忆：结构化记录决定资格，向量表示支持回忆，而图关系在门控上下文投影之前裁定支持、矛盾和取代。
我们中心的主张是，可靠的个性化是一个记忆设计问题：有用的记忆是结构化的、选择性暴露的、持续巩固的，并且具有认知标签，而不是存储为未区分的对话历史。
除了框架之外，我们将MRMS实例化为一个轻量级原型，实施结构化记录、向量检索、时间策略和基于图的修订。该原型通过预生成记忆选择、修订、边界强制和证据归属，在具有明确证据要求的受控长寿命交互场景中，测试核心基底机制。
博主点评： 该文章提出的MRMS架构为长寿命AI代理提供了一种创新的记忆管理方式，强调了记忆的结构化和选择性使用，从而提升了个性化能力。这种方法在实际应用中有潜力显著改善AI的交互体验，尤其是在复杂场景中。值得关注的是其轻量级原型的实现，展示了理论与实践的结合。