Agent memory 使 LLM 代理能够在回答新问题时利用之前的交互。现有方法通常把交互历史压缩为摘要或其他 LLM 生成的表示，重复生成既耗时又可能在系统不知道未来查询需求时丢失关键细节。EdgeMem 的核心原则是保留原始对话轮次，并通过内容、时间和情境线索进行互补组织。实现上，EdgeMem 使用轻量本地处理构建多锚超图，每个锚点对应内容、时间或情境特征，超边将相关轮次连接。检索时直接返回源证据，LLM 仅用于最终答案生成，从而实现结构化访问多会话历史并忠实保留原始对话。实验在 LoCoMo 与 LongMemEval‑S 上进行，检索和基于记忆的问答均表现突出。在 LoCoMo 上，EdgeMem 在统一提示下的严格评判得分为 61.01，超过七个复现系统的最高 58.70，且构建与检索过程不调用生成式 LLM。整体结果表明，保留并组织源证据能够为代理记忆提供高效且可靠的基础，无需生成式记忆管理。
点评