Tag

#RAG

2026/06/15 安全分析

运行时记忆投毒防御：证书要绑定写路径，而不是只靠检索过滤

SMSR、MemVenom 和长期记忆安全综述把 Agent 记忆安全推到可验证治理阶段：生产系统不能只做 prompt filter，而要把来源签名、随机化检索、证书复算、回滚和工具调用审计放进同一条验收链。

#AI memory #agent memory #long-term memory #memory poisoning #memory security #RAG #agent security #memory evaluation

2026/06/14 论文解读

Topic Document 不是笔记格式：它是长期 Agent 记忆的维护单元

Infini Memory 把长期 Agent 记忆从孤立片段和向量召回，推进到可维护的主题文档库。工程上，Topic Document 的价值不只是可读 Markdown，而是把写入缓冲、证据聚合、事实修订、局部检索和审计元数据放进同一个维护单元。

#AI memory #agent memory #long-term memory #memory-augmented agents #RAG #context compression #memory evaluation #personalization

2026/06/11 安全分析

相似不等于可信：Agent 记忆检索需要准入门，而不只是向量召回

arXiv:2606.06054 MemGate 把个人 Agent 的长期记忆检索定义为信任边界。工程上，记忆读路径不能只按相似度把候选片段塞进上下文，而要在检索和注入之间增加任务条件准入、来源权威、作用域隔离和工具副作用绑定。

#AI memory #agent memory #long-term memory #memory security #RAG #agent security #memory evaluation #personalization

2026/06/10 工程架构

Agent 记忆系统要先做成本账本，再谈长期智能

arXiv:2606.06448 把 Agent memory 从结构设计推进到系统工作负载表征：写入构建、检索、生成各自承担不同成本。生产系统需要用 phase-aware profiling、容量治理、调度策略和收益指标证明记忆层不是更贵的上下文。

#AI memory #agent memory #long-term memory #memory evaluation #RAG #systems #observability #capacity planning

2026/06/07 研究分析

记忆摘要要有中间监督：从 MMPO 看长程 Agent 的记忆策略优化

arXiv:2605.30159 提出用 Belief Entropy 给长程 Agent 的递归记忆摘要做中间奖励：问题不只是摘要能否变短，而是每一步摘要后，Agent 对任务状态、缺口信息和后续动作的信念是否更清楚。

#AI memory #agent memory #long-term memory #memory-augmented agents #context compression #memory evaluation #RAG #reinforcement learning

2026/06/06 研究分析

AgentCL：长期记忆评测要看经验能不能迁移，而不只是能不能召回

从 arXiv:2606.02461 AgentCL 看，Agent 长期记忆评测不应只停留在长对话召回、环境问答或抗干扰测试，还要测前序任务经验能否在后续任务中被稳定复用，以及何时会造成负迁移。

#AI memory #agent memory #long-term memory #continual learning #memory evaluation #memory-augmented agents #RAG #SWE-Bench

2026/06/04 工程架构

MemGuard：长期记忆系统要把事实、事件和规则分开治理

从 arXiv:2605.28009 MemGuard 看，长期记忆的可靠性问题不只来自检索召回不足，也来自把稳定事实、情景事件和操作规则混成同一种证据。生产 Agent 记忆层需要类型边界、关系图、查询路由和可审计的组合策略。

#AI memory #agent memory #long-term memory #memory evaluation #memory reliability #context engineering #RAG

2026/06/03 工程架构

AgentIR：长期记忆检索需要控制面，而不是固定 RAG 管线

从 arXiv:2605.25092 AgentIR 看，长期对话记忆的读路径不是普通向量检索：索引会持续增长，查询类型会在会话内漂移，dense 通道并不总值得运行。生产 Agent 记忆层应该把检索策略、时间分区、延迟预算、来源治理和写入状态分开设计。

#AI memory #agent memory #long-term memory #RAG #information retrieval #memory evaluation #LoCoMo #LongMemEval

2026/05/29 工程解读

记忆注入才是 Agent 长期记忆的真正瓶颈

从 SuperBrain、Claude Code hooks、claude-mem 和 Memory-R2 看，长期记忆系统的难点正在从存储迁移到工作上下文注入：什么时候取、取多少、凭什么取、如何阻止旧记忆污染当前任务。

#AI memory #agent memory #long-term memory #memory-augmented agents #context compression #memory evaluation #personalization #RAG

2026/05/28 论文解读

长期记忆的单位不是聊天：持久化 Agent 需要环境级评估

从 Persistent AI Agents in Academic Research 看，长期记忆 Agent 的评估对象不该只是单轮回答、RAG 命中率或 token 成本，而应扩展到人-代理-文件-工具-计划任务-治理规则组成的持久化环境。

#AI memory #agent memory #long-term memory #memory-augmented agents #memory evaluation #context compression #personalization #RAG

2026/05/21 论文解读

记忆合并不是后台清理：Agent 长期记忆的高风险写路径

从 Useful Memories Become Faulty When Continuously Updated by LLMs 看，自动把成功轨迹持续压缩成文字经验，可能让 Agent 从有用记忆退化到错误记忆；长期记忆系统需要把 consolidation 当成可验证、可回滚、可门控的写操作，而不是无条件后台任务。

#AI memory #agent memory #long-term memory #memory-augmented agents #context compression #forgetting #memory evaluation #RAG

2026/05/20 研究综述

LongMINT：Agent 记忆真正难的是抗干扰，而不是存得更久

LongMINT 把长期记忆评测推到多目标干扰、事实修订和跨片段聚合推理场景；结合 MedMemoryBench 的 memory saturation，可以看到生产 Agent 记忆的核心风险不是容量不足，而是旧事实、新事实、噪声和多任务目标互相污染。

#AI memory #agent memory #long-term memory #memory-augmented agents #memory evaluation #RAG #forgetting #personalization

2026/05/18 论文解读

ZipAct：Agent 记忆不一定要回放历史，也可以维护状态

TMLR 2026-05-17 接收的 ZipAct 把 agent 的交互历史压缩成 Goal、World、Constraint 三类结构化状态，让动作生成只看当前状态表和最新观察。它提醒我们，长任务记忆的关键不只是存储更多历史，而是把可执行状态、负反馈和约束持续更新到一个可验证的工作记忆里。

#AI memory #agent memory #context compression #memory-augmented agents #memory evaluation #RAG #forgetting

2026/05/15 研究综述

LinkedIn HLTM：生产级个性化记忆为什么要先对齐业务边界

LinkedIn 的 Hierarchical Long-Term Semantic Memory 和 Cognitive Memory Agent 把 agent memory 从“多存一些聊天历史”推进到生产个性化基础设施：schema-aligned 语义树、多视图记忆、身份作用域检索、近线增量更新、可观测来源和端到端质量指标。它的启发是，企业 agent 的长期记忆首先是业务边界、隐私隔离和延迟预算问题，其次才是向量检索问题。

#AI memory #agent memory #long-term memory #personalization #RAG #memory evaluation #enterprise AI #semantic memory

2026/05/14 研究综述

LongMemEval-V2：Agent 记忆评测正在从聊天历史转向环境经验

LongMemEval-V2 把长期记忆问题从用户聊天历史推进到 web/enterprise agent 的环境经验：静态状态、动态变化、工作流、局部陷阱和前提意识。它提醒我们，生产记忆系统不能只追求 RAG 召回分数，还要证明经验能被压缩、检索、使用，并在延迟成本内帮助 agent 像资深同事一样工作。

#AI memory #agent memory #long-term memory #memory evaluation #RAG #web agents #context compression #personalization

2026/05/13 工程分析

从记住到可运行：Coding Agent 记忆系统正在变成运行时可靠性问题

OpenAI Agents SDK 的 sandbox memory 文档和 AgentMemory 近期连续修复显示，coding agent 的长期记忆不再只是 RAG 或偏好存储，而是涉及文件化状态、渐进披露、隔离布局、召回正确性、部署持久化、上下文预算和观测面的运行时系统。

#AI memory #agent memory #long-term memory #coding agents #RAG #context compression #memory evaluation #personalization

2026/05/12 研究综述

LongMemEval 军备赛之后：AI 记忆评测需要从分数转向证据链

PlugMem、gbrain-evals、MemPalace 和 Mem0 等近期材料显示，agent memory 的公开评测正在进入高分密集区；真正重要的问题不再只是 R@5 或 accuracy，而是数据划分、调参污染、成本账本、可复现脚本和生产迁移边界。

#AI memory #agent memory #long-term memory #memory evaluation #RAG #personalization #benchmark

2026/05/09 工程分析

数据库正在收编 Agent 记忆层：从 LangGraph.js + MongoDB 看长期记忆的工程边界

MongoDB 在 2026-05-08 为 LangGraph.js 长期记忆发布一等支持，意味着短期 checkpoint、长期 store、语义检索和自动 embedding 正在进入应用数据库；但这解决的是运行时和存储边界，不等于解决记忆写入、作用域、遗忘和个性化误用。

#AI memory #agent memory #long-term memory #LangGraph #MongoDB #RAG #memory evaluation #personalization

2026/05/07 研究综述

MemAgents 之后：AI Agent 记忆系统开始进入瓶颈诊断阶段

从 2026-05-06 的 MemAgents workshop 回顾和 ICLR/OpenReview 论文线索看，AI agent memory 的关键问题正在从“要不要长期记忆”转向写入、压缩、召回、利用和评测瓶颈的可诊断化。

#AI memory #agent memory #long-term memory #memory evaluation #context compression #RAG #personalization

2026/05/03 论文解读

依赖结构化记忆：ContextWeaver 对 Agent 长上下文的真正启发

从 arXiv:2604.23069 ContextWeaver 看，工具型 LLM agent 的记忆不只是在历史里检索相似片段，而是要保留当前行动真正依赖的早期证据、决策和执行反馈。

#AI memory #agent memory #long-term memory #context compression #RAG #memory evaluation

2026/05/02 架构优化

记忆作用域合约：AI Agent 长期记忆真正难的是边界，不是存储

从 2026-05-02 的 agent memory 产品面讨论、ChatGPT Project-only memory、Claude 个性化功能和 Mem0/Cloudflare 的工程材料看，生产级记忆系统必须先定义用户、项目、任务和运行审计的边界，再谈向量库、图谱和长上下文。

#AI memory #agent memory #long-term memory #personalization #memory evaluation #forgetting #RAG

2026/04/28 工程架构

AI 记忆系统正在变成基础设施，而不是提示词技巧

从 2026-04-28 的 agentic-db 发布和 n8n Memori 社区节点看，长期记忆正在向数据库、工作流和托管平台下沉；真正要评估的是写入治理、召回路径、遗忘机制和可观测性。

#AI memory #agent memory #Postgres #n8n #RAG #memory evaluation