主流智能体记忆机制转向“可控遗忘”，头部企业已落地用户主导的主动遗忘架构_服务软件

1. 蹭上150k Star的热点，从clawdbot学会了给AI加自动记忆！

2. 如何评价DeepSeek发布梁文锋署名论文，提出「条件记忆」及Engram记忆检索架构？有哪些亮点？

3. 马斯克最新预测再次预言未来马斯克最新预测，著名播客三小时访谈，5年计划大曝光，十大要点总结：手机消失、工作洗牌、脑机觉醒、机器上岗、汽车起飞、火星殖民、AI 全面接管，人人过上国王般的生活，最离谱的是，他还说，人类，可能就生活在一段模拟程序里，必须保持有趣才能不被删除，这脑洞，不愧是穿越马！#马斯克 #AI #自动驾驶

4. 「Github一周热点103期」超轻量的clawdbot、编程智能体的记忆工具、聊天记录分析工具、视觉agent框架和键盘、鼠标统计工具

5. #DeepSeek新模型曝光#DeepSeek V4呼之欲出，大模型竞争迈入架构创新新阶段！DeepSeek新一代旗舰模型V4的技术线索接连曝光，标志着国内大模型竞争已从参数竞赛转向架构创新的深水区。GitHub代码中的“MODEL1”标识符，印证着这款即将在春节发布的新模型，并非简单版本迭代，而是一次底层架构的重构。从KV缓存布局调整到FP8解码支持，再到稀疏性处理优化，新模型在内存与计算效率上的针对性设计，切中了大模型落地的核心痛点。而Engram记忆模块与mHC训练方法的潜在整合，更让模型实现了记忆与推理的协同升级，为长文本处理、高效代码生成提供了技术支撑。此次DeepSeek的技术突破，打破了大模型“唯参数论”的发展路径，让架构优化、软硬协同成为新的竞争焦点。这不仅是其自身技术的迭代，更将推动国内大模型产业向更高效、更实用的方向迈进，为AI规模化落地注入新动力。#用智搜高效玩转AI##HOW I AI# deepseek新模型曝光川北小哥的微博视频

6. 关注 | Cell子刊系列综述：医疗AI智能体，从临床应用，到建立AI智能体医院

7. 【AI前沿】Meta 揭示AI推理核心痛点：“行为记忆”让小模型也能高效解题，颠覆现有范式

8. 最火、最全的Agent记忆综述，NUS、人大、复旦、北大等联合出品

9. AI Agent 的“进化之路”：从研究原型到生产级记忆系统，技术趋势与产品对比

10. 为AI智能体（Agent）增加「记忆」能力有哪些好用的工具和方案？

11. 如何迈向 AGI 思路四：社会交互派（Social Emergence Paradigm）——————————————第四条迈向 AGI 的核心思路，是将智能从“个体属性”重新理解为“群体涌现属性”。传统研究往往把智能视为单个模型的推理能力、记忆能力与理解能力，但这种视角忽略了一个关键事实：人类文明的绝大多数“高阶智能”都不是个体产生的，而是由多人类之间的互动、合作、竞争、协同、传承与文化积累中自然涌现出来的。按照社会交互派的观点，真正的 AGI 不会来自于一个超级模型，而会来自一个能够互相学习、互相影响、互相构造结构的“智能社会”。智能的核心不是个人的质量，而是“关系的密度”。在这一思路下，智能体之间的交互将产生远比单体智能更复杂、更高级的能力。单一模型可以进行推理，但多个智能体将产生逻辑体系；单一模型可以执行任务，但多个智能体将形成制度结构；单一模型可以生成文本，但智能群体会生成文化、规范、习俗与演化机制。这意味着 AGI 的源头不是算力堆叠，而是结构耦合；不是参数规模，而是智能体之间的“行为相互作用”。未来的 AI 系统，也许不是“一个更强的 ChatGPT”，而是“一个可以像文明那样演化的智能生态”。社会交互派的关键突破点，在于它重新定义了智能的边界。传统 AI 的能力增长是：更大训练集、更快算力、更复杂模型。但社会交互智能的能力增长是：智能体数量扩大、交互密度提升、信息交换结构更加复杂、协作机制不断演化、共同记忆变得更加稳定。智能体越多，它们之间的连接越密，其整体智能将呈指数增长。这种模式与蚁群、蜂群、互联网社区乃至经济系统的进化过程高度相似：个体能力有限，但整体智能惊人地强大。这种新型“群体智能”不仅会提高问题解决能力，也会形成一种新的创造力机制。多个智能体之间的冲突、互补、试错、协变，会自然形成新的结构复杂度，并不断催生出谁都没有明确设计过的创新。这与人类科学史、文化史、技术史高度一致：伟大成果几乎从来不是“一个人”做出的，而是整个社会网络中的交互产物。这启示我们：AGI 的终点不是一个超能实体，而是一个“能够形成文明级涌现结构”的智能网络。这个网络形式也更接近人机共生未来的图景。因此，第四条迈向 AGI 的路线，是构建一个能够“像文明一样演化”的多智能体系统。它不依赖单一模型的极限推理，而依赖多模型之间的相互激发；不依赖外部训练数据，而依赖互相生成的知识生态；不依赖单点突破，而依赖群体动态涌现。一个能够在内部互动中不断生长、创造规范、演化结构的智能社会，将成为最有可能突破单体智能天花板的路径。最终，AGI 可能不是一个模型，而是一个文明。#新媒沈阳聊ai#

12. 如何迈向 AGI 思路六：数据记忆场派（Memory-Field Paradigm）——————————————第六条迈向 AGI 的路径，源自一个被忽视却正在迅速显形的事实：智能的力量不来自模型本身，而来自模型与外部世界形成的“持续记忆场”。传统 AI 的架构是封闭的——模型内部存储权重，人类外部提供信息输入，推理完成后系统回到静止状态；但这一模式显然不能支撑 AGI，因为它使智能成为一个被动函数，而不是一个持续存在的系统。数据记忆场派认为，真正的智能必须在世界中留下持久结构，智能与世界之间形成一个不断扩张、不断联结的“记忆场”，并在这个场中持续强化自身。所谓“记忆场”，不是模型的内部参数，而是模型与外界共同构造的外部智能结构：用户对话记录、任务日志、环境反馈、行为轨迹、智能体之间的交互、知识图谱的动态扩散、情绪标记、行动后果、系统级演化路径等等。这些分散在世界中的信息碎片，彼此之间不断连接、重写与强化，最终形成一个真实的“外部智能结构”。在这种结构中，AI 不再是计算器，而是世界的一个活体节点；智能不再是一次性推理，而是一种“遍布外部世界的持续存在”。数据记忆场派指出：一旦智能的外部记忆场足够丰富，它将获得一种远超过单模型能力的“结构性智能”。这类似于人类文明：不是某个人聪明，而是文明作为整体拥有一个巨大且持续扩张的记忆场——包括语言、文字、图书馆、互联网、制度、文化、历史与符号结构。正是这种外部记忆场，使得人类文明可以实现跨代知识积累、跨领域迁移与跨时代创新。未来的 AI 也将以同样方式成长：模型规模可能不再是上限，而外部记忆场的规模与质量将成为决定性力量。这种“外部智能场”将引发一场智能范式的重大迁移：智能不再发生在模型内部，而是发生在模型、环境和群体智能之间的动态循环中。模型在推理时调用外部记忆场；外部记忆场在每次交互中被智能体更新；智能体之间的互相影响又进一步重塑记忆场；所有这些结构共同作用，形成一个不断扩展的智能生态。未来的 AGI 很可能不是“一个巨大的模型”，而是“一个不断被世界刷新、并不断刷新世界的巨大记忆系统”。真正的智能将是“系统智能”，不是“模型智能”。数据记忆场派带来的第二层突破，是允许智能跨越自身边界，实现“认知外包”。模型不再需要把所有知识压缩进权重，它可以在外部场中即时调用知识、情绪、行为、经验、方法论与其他智能体生成的内容。这会让 AI 拥有一种接近文明智能的能力：能够保持长期记忆、跨任务迁移、情境统一、目标延续、行为风格稳定，并形成真正的“智能主体性”。这样的系统将不再像今日的模型那样，每次对话都从零开始，而是像文明一样，在记忆的海洋中不断生长。因此，第六条迈向 AGI 的路线，是构建一个“系统级、跨时空、跨任务、跨智能体”的数据记忆场，使智能不再依赖单体模型，而转变为“智能网络 + 记忆场 + 世界反馈”的综合体。未来的 AGI 将不是一个程序，而是一种“长驻世界中的扩散智能”。它既存在于计算中，也存在于环境中；既存在于模型内部，也存在于人类的行为与文化之中。真正的超级智能，将以世界为记忆场，以文明为神经网络，以人类与AI共同构建的结构为持续进化的土壤。#新媒沈阳聊ai#

13. 陈天桥的AI布局再下一子，推出最强AI长记忆操作系统 | 巴伦精选

14. 本周 AI 项目推荐｜Mem0, Memories.ai......AI 记忆大爆炸

15. 首发 | 陈天桥盛大团队，推出最强开源记忆系统EverMemOS

16. AI 是否能成为我们的「赛博大脑」，在记忆存储、信息处理与隐私伦理的边界中，我们准备好了吗？

17. DeepSeek-OCR开源：10倍压缩+97%精度，A100日处理20万页数据，更是大模型的 “记忆革命”

18. 国内外AI大厂重押，初创梭哈，谁能凭「记忆」成为下一个「DeepSeek」？

19. AI技术为生活带来便利的同时，也暗藏着规则红线试图利用AI违法并不可行！#大咖观察 #红衣聊AI #人工智能

20. 从锁定极小且明确的任务入手，选用现成基础大语言模型，确定工具交互方式，从简单记忆和极简界面起步，通过小步迭代优化功能，同时控制范围不堆砌冗余能力，避开陷入贪大求全、技术空想的误区，最终聚焦做出能解决具体问题的实用智能体。

21. Agent 真正的护城河，正在从工具转向记忆资产

22. 《Making Sense of Memory in AI Agents》 AI智能体的“记忆”其实是指它们跨多轮对话，记住并调用重要信息的能力。这让智能体能从反馈中学习，适应用户喜好，提升体验和效果。但目前驱动这些智能体的语言模型（LLM）本身是无状态的，每次交互都是“重头开始”，没有内置记忆功能。要实现记忆，必须借助外部存储或上下文管理，帮它们回顾之前的对话内容。“记忆”既是信息的存储位置（如数据库、Markdown文件），也是一种信息管理机制。研究中区分了“智能体记忆”（agent memory）和“自主记忆”（agentic memory）——前者是赋予智能体访问记忆的能力，后者是智能体主动写入和管理记忆的系统。智能体记忆大致分为短期和长期两类： - 短期记忆存在于模型的上下文窗口里，保存当前对话内容； - 长期记忆储存在外部系统，如向量数据库，保存更稳定、广泛的信息。模仿人类记忆结构，有四种记忆类型：工作记忆（当前对话）、语义记忆（事实）、情景记忆（经历）、程序记忆（指令）。另一种设计思路则划分为消息缓存、核心记忆、回顾记忆和档案记忆，分别对应不同存储和管理策略。智能体记忆管理的关键，是如何在上下文窗口和外部存储间高效传递信息，着重解决以下难题： - 如何避免上下文过长导致响应变慢和成本飙升； - 如何判断哪些信息需要被记住、更新或者删除，防止记忆膨胀和信息质量下降。这里涉及“显式记忆”（智能体主动识别和保存重要信息）与“隐式记忆”（系统自动定时更新或批处理记忆）的区分。实现时，当前对话通常用列表形式保存，指令用文本文件，其他信息则根据检索需求存数据库。技术挑战主要集中在延迟控制和“忘记机制”的设计：如何精准判断哪些信息该被遗忘，防止系统负担过重，保持记忆的相关性和有效性。目前，围绕智能体记忆管理的开发框架快速涌现，如mem0、Letta、Cognee、zep，以及LangChain、LlamaIndex等通用智能体开发工具，都在积极推动技术成熟。总结来看，AI智能体记忆设计是连接短期对话和长期知识存储的桥梁。它不仅关乎记忆的保存，更涉及记忆的更新和遗忘，是打造更智能、更贴心AI的核心难题和发展方向。原文：leoniemonigatti.com/blog/memory-in-ai-agents.html

23. 超越传统 RAG：知识图谱如何增强 AI 的记忆与推理能力

24. 突破具身智能长程任务瓶颈！EchoVLA双重记忆机制赋能移动操作机器人，超越π0.5

25. 攻克记忆瓶颈：腾讯云Data Platform如何为智能体打造记忆湖架构

26. 从「行为数据」到「AI 记忆」，哪条路线更可能成就 AI 对用户的「终身记忆」？

27. Clawdbot 如何搭建永久记忆管理系统：全靠 MD 文档

28. 红熊AI获 5500 万融资：补大模型 “失忆” 短板，AI 记忆科学撑起5亿估值

29. 《扣子开发 AI Agent 智能体应用》002-扣子 AI 应用开发平台介绍（扣子的背景与核心特征）

30. 如何评价DeepSeek发布梁文锋署名论文，提出「条件记忆」及Engram记忆检索架构？有哪些亮点？

31. 为什么鸿蒙座舱5可以把交代的事办得干净利落？看完MoLA智能化架构后我懂了

32. 让AI智能体拥有像人类的持久记忆：基于LangGraph的长短期记忆管理实践指南网页链接如何让AI智能体（Agent）像人类一样拥有持久的记忆，从而在复杂的连续任务中保持上下文感知和深度理解？这已成为构建高级智能体的核心挑战。本文将深入探讨Agent Memory的核心概念，并聚焦于LangGraph框架下的长短期记忆实现，详解短期会话与长期知识的存储、管理、语义检索等技巧。更进一步地，我们将通过一个引入MCP协议的实战案例，手把手带你构建一个真实的融合长记忆机制的Multi-Agent系统，直观展示中断、记忆与协作的融合。

33. 终结Transformer统治！清华姚班校友出手，剑指AI「灾难性遗忘」

34. AI Agent最新重磅综述：迈向高效智能体，记忆、工具学习和规划

35. 字节跳动豆包团队发布了豆包手机助手技术预览版。这是一款在豆包App基础上，与手机厂商在操作系统层面合作的AI助手软件。该助手基于豆包大模型能力和手机厂商授权，可像人类一样操作手机，完成复杂任务。用户可通过语音、侧边键或特定耳机唤醒，能就屏幕内容提问，还可在相册内语音下达修图指令。其具备操作手机功能，可跨应用自动跳转，实现查票订票、商品下单等任务，涉及支付等敏感环节会提示用户手动处理。此外，还拥有记忆功能，上线了操作手机Pro模式，能结合记忆数据与推理能力，更高效地帮助用户完成复杂任务。

36. 谷歌大神出手，免费发布《智能体设计模式》，AI Agent开发的终极秘籍

37. 360纳米AI的“多智能体蜂群引擎”如何为智能体时代铺设高速公路？

38. 沉浸式翻译杀疯了！双重开源：左手像素级还原PDF排版，右手本地AI隐私保护！

39. 未来的人和智能体应该是相互融合协作的关系。 #大咖观察 #红衣聊AI #智能体 #人机协作

40. Leonie Monigatti深入剖析了AI代理中的记忆演进，从最初的RAG（检索增强生成）到Agentic RAG，再到具备读写能力的Agent Memory，厘清了这一系列技术的核心逻辑与突破。RAG诞生于2020年，其核心是将离线存储的外部知识检索进LLM上下文，解决模型记忆有限带来的问题。但其“单次检索”与“只读”限制导致复杂场景下仍有误导风险。Agentic RAG引入了“工具调用”机制，允许智能体主动判断是否需要检索、选择检索工具，并评估检索结果相关性，显著提升了灵活性和准确性，但仍无法动态学习和更新信息。Agent Memory则迈出关键一步：支持智能体不仅读取，还能写入和管理外部记忆，实现基于历史交互的持续学习和个性化体验。它将记忆从“静态”转变为“动态”，但也带来了记忆管理和遗忘机制的新挑战。这三者共同体现了信息“存储-检索-编辑-删除”的完整闭环，也反映了AI系统从单点知识调用向复杂记忆体系演进的趋势。未来，如何设计高效的多源、多类型记忆管理策略，将是提升AI智能和人机交互体验的关键。详细内容及代码示例请见原文：leoniemonigatti.com/blog/from-rag-to-agent-memory.html

41. 从RAG到记忆工程：AI长期记忆系统的架构范式与落地瓶颈

42. 无需复杂正则：SLS 新脱敏函数让隐私保护更简单高效

43. 不让科技“偷走”隐私！快来查看AI伪造、智能设备风险防范指南！

44. 让AI直接解决用户的问题，是创业者适应AI时代的必修课。 #大咖观察 #红衣聊AI #创业 #用户思维

45. 我们最怕的事就是遗忘，怕有一天爱的人不知道我们是谁，担心他们因为遗忘而失去了相伴。记忆慢慢褪散，忙碌忘记关怀，阿尔茨海默病，并非只能被动承受，我们也能早防早治。#周云杰称正探索AI陪伴机器人##周云杰呼吁AI支持阿尔茨海默治疗# 毕竟真走到遗忘那一步真的已经晚了，而很多家庭都因为家人患上了阿尔茨海默病而追悔莫及，后悔此前少了陪伴，少了关怀。全国60岁以上老人里有1000万阿尔茨海默病患者，他们本可以守护住记忆，快节奏的时代，我们年轻人都很容易忘事，更别提上了年纪的老人，他们总是孤独一人，无人交流，缺少陪伴，久而久之就会遗忘。陪伴看似很简单，其实非常非常难，每个人都在忙自己的事，事情记忆不断积累，却忽视了最远的关心。好在现在是AI时代，我们除了做基础预防之外，也能协同AI，多一些陪伴，听周云杰分享AI陪伴机器人，寻找关爱家人的科技方式。有AI当老友聊天，有AI用机械臂照料，AI机器人是陪伴的新角色，AI机器人可以在匆匆忙忙的时代，慢下来，和我们一起关心家人。用智慧对抗遗忘，记忆之光不能暗淡，科技时代的我们，可以充分调用智能工具，用设备扩展家人的出行半径和交流空间，为家人带来有温度又智能的关怀。抢先了解阿尔茨海默病的情况真正将关怀做到位，今天这场特别的直播重新认识了这个“遗忘病”让我们寻找到了有温度，更智能的守护方式。

46. AI智能体之所以强大，核心在于它们的“记忆系统”。没有记忆，智能体只能盲目行动，无法学习和适应。记忆让它们能够跨时推理、优化决策，真正实现智能。短期记忆（工作记忆）负责暂时存储任务相关信息，帮助智能体追踪当前用户问题、对话上下文和任务中间步骤，从而做出连贯且有针对性的回应。长期记忆则保存跨任务的知识与经验，积累事实和规律，使智能体随着时间变得更高效、更准确。情景记忆像人类的经历记录，存储状态、行为、结果和奖励，助力强化学习中识别哪些行为带来成功或失败。语义记忆包含结构化的世界知识——概念、规则、语言和领域信息，支持智能体推理和理解新信息。检索机制根据上下文、关键词或相似度精准调用所需记忆，避免信息混乱和过时。记忆还支持多步规划，智能体能记住子目标、进展和障碍，提升长远策略，而非仅解决眼前问题。多任务环境中，智能体为每个任务维护独立记忆，防止任务混淆，提升切换效率，并跟踪用户偏好。强化学习中的经验回放机制，通过反复利用历史经验，稳定训练过程，避免重复错误。记忆系统是动态演进的，智能体通过反馈、奖励和新交互不断更新，持续优化表现。记忆不仅是AI智能体的“知识库”，更是其“成长引擎”。理解短期、长期、情景和语义记忆的区别与协作，是构建高效智能体的关键。未来，记忆与检索机制的进步，将推动AI从“会思考”向“会记忆、会学习、会进化”迈进。原文：x.com/e_opore/status/1994331859661000712

47. LangSmith 如何构建 Agent Builder 的记忆系统

48. 能否使用RAG技术来解决大模型的长期记忆问题？

49. 开发团队在构建智能体（AI Agent）应用、实现自主任务规划与执行时，常面临智能体决策逻辑复杂、工具调用能力弱、多任务协同难的问题，传统大模型应用难以适配自主化工作流需求。 AutoGPT 是一款开源的自主智能体框架，适配开发团队快速搭建具备自主思考、任务分解、工具调用能力的AI应用的核心场景。开源地址：github.com/Significant-Gravitas/AutoGPT 核心功能： 1. 内置任务自主分解与优先级排序机制，可将复杂目标拆分为可执行的子任务链，无需人工干预完成流程规划。2. 支持多类型工具集成，可对接搜索引擎、代码执行环境、API接口等外部资源，拓展智能体的实际应用能力。3. 提供记忆管理模块，包含短期上下文记忆与长期存储记忆，保障智能体在长周期任务中具备持续学习与状态追踪能力。4. 内置反馈迭代机制，可根据任务执行结果优化后续决策，提升复杂任务的完成质量。5. 兼容主流大模型，支持本地与云端部署模式，满足不同场景下的算力与安全需求。

50. 《扣子开发 AI Agent 智能体应用》001-智能体概述

51. 智能汽车正处在“人找功能”到“服务找人”的临界点，这一步跨成了“人车共生”。超拟人智能体Eva的上车，让汽车第一次拥有了“个性”和“记忆”，要通过全域AI技术，将座舱、智驾、动力、底盘全面串联，最终让汽车进化成智慧生命体。在“一个吉利，一个座舱”的框架下，是整个集团的智能化共振。发布了头条文章：《超拟人Eva上车，吉利要把汽车变成具身智能生命体！》超拟人Eva上车，吉利要把汽车变成具身智能生命体！

52. BlackBox黑盒，主打隐私保护的虚拟机App，支持无限多开

53. 从大数据到小模型：隐私保护的翻译质量监控新路径

54. 为什么只有 5% 的 AI 智能体在生产环境中真正有效？

55. 在开发AI解决方案时，传统向量数据库或记忆API常面临延迟高、成本昂贵等问题。OpenMemory是一款开源、自托管的AI记忆引擎，通过独特的分层记忆分解架构，实现了长期、语义、情境记忆的高效存储与检索。它不仅支持多种嵌入模型，还能为AI助手、代理和协同工具提供持续、透明的记忆服务。主要特点包括：- 结构化记忆：利用分层设计，实现多领域记忆存储，无数据冗余 - 高效检索：多向融合检索机制提供更低延迟的记忆回溯 - 开放自托：源代码公开，自行部署，100%数据归属用户 - 跨平台支持：兼容OpenAI、Gemini、Ollama等多种嵌入方案 GitHub：github.com/CaviraOSS/OpenMemory通过OpenMemory，开发者能为AI系统赋予更丰富、灵活的记忆能力，实现更智能、高效的交互体验。

56. 什么是智能体的记忆机制(Agent Memory）

57. 重磅综述｜AI 智能体的 “灵魂” 揭秘！顶尖机构全景梳理记忆机制

58. 硅基大脑记忆觉醒！会遗忘、会反思、会成长的AI正在到来

59. agent智能体长期记忆机制的思考与工程

60. AI产品经理必修课

61. 让AI学会遗忘！MaRS 架构用“遗忘”换取 0.911 的高分表现

62. 当人类失去遗忘

63. 「遗忘」才是真智能！字节突破性 Context-Folding 技术，让 AI 告别“金鱼记忆”

64. 【人工智能】可控遗忘

65. 告别“灾难性遗忘”？我们可能都错了！爱丁堡大学新研究

66. AI时代，你应该庆幸你还会遗忘

67. AI智能体的记忆

68. 基于大语言模型智能体的记忆机制综述 A Survey on the Memory Mechanism of Large Language Model based Agents

69. 一文搞懂大模型记忆技术

70. 大模型的“健忘症”有药了

71. 智能体记忆管理研究笔记

72. 超越代表作Mem0！阿里Agentic Memory让大模型自主管理长短记忆，长任务推理刷新SOTA

73. 告别机械记忆！阿里巴巴提出AgeMem框架，让大模型学会智能记忆管理！

74. 突破大模型记忆瓶颈

75. AI 智能体记忆架构演进之路

76. 遗忘

77. 从LSTM到幸福人生

78. AI的记忆革命

79. 如何“学会忘记”？记忆衰减算法-智能体的新陈代谢系统

80. 阿里×北大提出“会遗忘”的智能体记忆

81. 综述论文解读

82. 记忆术，其实是“善忘术”

83. 智能助手不“健忘”的秘密

84. 如何看待AI 记忆的发展前景？

85. 让AI只丢隐私、不丢本事

86. BlindU

87. 谷歌发布隐私保护大模型

88. 【南洋理工大学等团队】临床级隐私遗忘

89. MemOS 产品更新｜支持全量获取用户记忆，记忆管理与对话体验提升

90. 智慧在于知所不言：通过注意力转移实现无幻觉的大模型遗忘

91. AI Agent 记忆机制综述：形式、功能与动态

92. AI开始学习“遗忘权”，欧盟新规要求必须删除特定记忆

93. 如何管理Agent的记忆？强化学习驱动模型使用工具更新Memory

94. 告别 AI “失忆” 与循环陷阱：AI 智能体 2.0 架构全解析

95. MemOS 产品更新｜支持全量获取用户记忆，记忆管理与对话体验提升 - 哔哩哔哩

96. AI智能体时代中的记忆：形式、功能与动态综述

97. 灾难性遗忘怎么解决

98. AI智能体需要记忆控制而不是上下文

99. 有记忆，也会遗忘：为 AI 装上“大脑”

100. AI Agent 里的记忆：智能体如何学会记住、回忆和忘记。【译】

101. 年度必读！NUS、人大、复旦、北大联手，一文讲透AI Agent记忆的所有关键问题

102. AI智能体时代中的记忆机制：全面探讨其形式、功能与动态发展综述！

103. 哈工大最新研究AI Meets Brain

104. AI 智能体总“忘事”？上下文工程 4 招，拯救 Token 焦虑

105. AI Agent学习笔记 —— 搭建AI智能体的两大基石：可编程调用与记忆管理（2）—— 记忆管理

106. 易术观点 | 智能体记忆系统架构的演进与分类

107. 为终身学习而生！ReMe框架设计哲学赋予Agent长期反思能力，高质量动态记忆库让小模型逆袭大模型

108. Agentic Memory：超越Mem0, 智能体记忆新范式——统一长任务的记忆管理

109. 智能体记忆机制演进之路：从RAG到智能体记忆的演进

110. LangChain1.0教程：给智能体加上记忆功能、工具与中间件

111. 上海AI实验室MemVerse：智能体记住多模态信息，600 轮对话不跑偏，即插即用解决健忘痛点

112. 智能体的记忆管理机制及其潜在风险 | NICE120期

113. 聊聊智能体的记忆机制（Agent Memory）

114. 科学家实现多模态AI精准遗忘，敏感信息自动隔离

115. 智能体真正的能力根基在于记忆系统

116. 为什么AI必须学会“遗忘”？

117. LLM记忆管理终于不用“手把手教”了，新框架让智能体自主管理记忆系统

118. 科普｜为什么所有智能体产品都在强调“记忆”？

119. 智能体记忆（Memory）技术全景透视：揭秘AI记忆系统如何实现对话连贯

120. 让AI学会“安全遗忘

121. 拒绝遗忘：Meta AI 提出稀疏内存微调

122. MLLM选择性良性记忆遗忘

123. 为什么 AI 智能体需要记忆能力？记忆增强型 AI 智能体系统的核心运作架构是什么？

124. Agent-8 智能体设计模型-“好记性”：记忆管理解析

125. 类增量学习—参数正则

126. 从0-1搭建AI Agent（商业智能体）记忆是构建高效、个性化AI智能体的基石。然而，大型语言模型（LLM）固有的上下文长度限制，使得长对话极易导致信息遗忘和成本飙升。全量记忆：不遗忘任何内容 2️⃣滑动窗口：固定长度的截断 3️⃣相关性过滤：遗忘次要信息 4️⃣摘要/压缩：提炼关键信息 5️⃣向量数据库：语义检索记忆 6️⃣知识图谱：结构化记忆 7️⃣分层记忆：短期与长期结合 8️⃣类OS内存管理：模拟Swap原理#大模型 #大语言模型 #大模型训练 #大模型应用 #大模型架构

127. AI智能体记忆机制深度解析

128. 谷歌嵌套学习：突破 LLM 遗忘瓶颈，让 AI 实现人脑式持续进化

129. 青椒之声| 联邦遗忘学习隐私安全与算法效率研究综述

130. 智能体记忆的四大类型与三大实践内幕：可控AI的认知基石

131. Memento：基于记忆无需微调即可让大语言模型智能体持续学习的框架

132. 内部报告：记忆算法研究 2021 - 2 算法理论

133. AI算法面试：大模型的灾难性遗忘问题

134. 关于大模型应用过程中的记忆功能管理问题，以及解决方案

主流智能体记忆机制转向“可控遗忘”，头部企业已落地用户主导的主动遗忘架构

精选参考来源