Retrieval vs. Memory in Agentic AI Systems
在自主AI系统中,检索和记忆是两种关键机制,分别处理外部知识和内部学习信息,有效结合两者能提升系统性能。
入选理由:检索处理外部知识(如文档/代码),记忆存储代理自身生成的信息(如历史决策)
概念
别名:记忆
存储代理自身学习成果的持久化机制
已跟踪 5 条高相关材料
最近变化
2026-11-15 · 始终在线代理通过事件驱动机制实现高效运行。
为什么值得关注
Memory 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Retrieval vs. Memory in Agentic AI Systems
Machine Learning Mastery · 8.5 分
在自主AI系统中,检索和记忆是两种关键机制,分别处理外部知识和内部学习信息,有效结合两者能提升系统性能。
Engram is now Generally Available
Weaviate Blog · 8.5 分
Engram现已正式发布,提供结构化记忆管理,解决代理系统的三大核心问题。
尖子生虽然用不了了,但是博客文章还能看:《Building always-on agents》https://t.co/aeKm1ioWoc always-on 听起来一直在线,其实大部分时间都在休...
Viking(@vikingmute) · 7 分
文章介绍了构建始终在线代理的参考架构,强调其通过事件驱动和状态管理实现高效运行。
已收录 5 条与 Memory 相关的内容,按评分排序。
在自主AI系统中,检索和记忆是两种关键机制,分别处理外部知识和内部学习信息,有效结合两者能提升系统性能。
入选理由:检索处理外部知识(如文档/代码),记忆存储代理自身生成的信息(如历史决策)
Engram现已正式发布,提供结构化记忆管理,解决代理系统的三大核心问题。
入选理由:长上下文退化导致模型延迟和质量下降,Engram通过异步管道解决此问题。
文章介绍了构建始终在线代理的参考架构,强调其通过事件驱动和状态管理实现高效运行。
入选理由:始终在线代理通过事件驱动机制实现高效运行。
推文提及某活动包含主舞台、分会场和工作坊,重点推荐 Mahesh Murag 关于‘记忆’的项目,但指出知识图谱未被涵盖。
入选理由:活动包括主舞台、分会场和工作坊三种形式。
Character.AI 推出 Memory 功能第4部分更新:支持自动捕获对话中提及的配角(side Characters)事实,并可长按删除,属产品功能轻量迭代。
入选理由:新增配角记忆自动捕获机制,无需手动添加