02-GAM从静态记忆到即时检索的通用智能体记忆架构.pdf

1、GAMGAM：从静态记忆到即时检索的：从静态记忆到即时检索的通用智能体记忆架构通用智能体记忆架构演讲嘉宾演讲嘉宾：B.Y.YanB.Y.Yan目录目录CONTENT0101从静态记忆到即时检索从静态记忆到即时检索0202GAM 架构解析架构解析0303实验与分析实验与分析0404总结与展望总结与展望0101从静态记忆到即时检索从静态记忆到即时检索AI to Agentic AI1：任务复杂化 AI 从被动的聊天接口转变为 Agentic 的生产力 从单轮问答转变为多步推理 深度集成外部能力范式演进：从 Chatbot 到 Autonomous Agent对话机器人对话机器人自主智能体自主智能体

2、演进短上下文短上下文超长上下文超长上下文#Conversational#Multi-step Reasoning#Tool-Use,Coding.2：数据爆炸 交互历史不再是简单的自然语言，而是包括思维链、代码片段、工具输入/输出结果在内的复杂轨迹。3：核心技术矛盾 智能体成功完成任务所需信息量，远超当前模型架构的高效处理能力。#Passive通用解决方案的局限Long-Context LLMs核心痛点核心痛点:Context Rot:Context Rot（上下文腐烂）（上下文腐烂）当输入海量无关信息时，模型的注意力机制被稀释。“大海捞针大海捞针”变难：变难：难以区分关键信息与背景噪声，推理

3、准确率显著下降幻觉增加：幻觉增加：被迫在众多干扰项做选择，容易产生错误关联次要痛点次要痛点:成本增加成本增加计算复杂度增加：计算复杂度增加：()延迟延迟过高过高RAG核心痛点核心痛点:Fragmentation:Fragmentation（语义碎片化）（语义碎片化）传统RAG大多依赖文本切片，破坏了信息连贯性。丢失全局语义：丢失全局语义：切片切断了段落间、章节间的长程依赖关系上下文剥离：上下文剥离：一个独立切片往往缺乏理解其所必须的前提背景次要痛点次要痛点:推理链条断裂推理链条断裂(Multi-hop 失效失效)无法处理复杂追问无法处理复杂追问:需多步推理时失效需多步推理时失效检索失效：传统检

4、索失效：传统 RAG RAG 缺乏自我纠正和迭代检索缺乏自我纠正和迭代检索能力能力通用方案无法解决长周期复杂任务中对结构化、动态通用方案无法解决长周期复杂任务中对结构化、动态并具备推理能力的记忆并具备推理能力的记忆的需求的需求现有Agent Memory System的困境当前当前 Agentic Memory System 设计设计Heavy Reliance on HeuristicsAhead-of-Time MemorizationFull history/Raw DataAOTProcessingStatic MemoryRule-based Add/Delete/Update1：压

5、缩导致的“信息熵减”现有的 AOT 方法本质上是有损压缩。在生成 Summary 的过程中，细粒度的上下文被不可逆丢弃。2：意图错位Lossy记忆构建发生在查询未知阶段，这种静态结构无法动态适应运行时出现的复杂请求。Domain-Specific Constraints范式转换:从静态存储到动态检索Ahead-of-Time核心维度核心维度AOTJIT核心理念核心理念Memorization试图记住所有信息Deep Research按需检索信息数据数据完整性完整性有损压缩无损存储，保留全部上下文计算时机计算时机Offline提前生成静态摘要Offline+Online针对问题即时构建适应性适应

6、性Static难以应对未预见问题Dynamic&General针对 Query 即时检索Raw DataSummarizationStatic Memroy(Lossy)Information Loss范式转换Just-in-TimeRaw DataLosslessPagingDeep SearchRuntimeComputePage-StoreIntelligence is not the ability to store information,but to know where to find it.Albert Einstein0202GAM 架构解析架构解析GAM 总体架构Gener