@rohanpaul_ai：AI智能体应将记忆视为不断变化的有效连接网络，而非静态存储。大多数智能体记忆系统…
摘要
该论文提出 FluxMem，一种将智能体记忆视为不断演化的图结构，通过动态修复连接和提炼技能来提升记忆效果的系统。实验显示其在多个任务上优于现有方法，例如在 LoCoMo 上达到 95.06% 准确率，并在 GAIA 上相比 Kimi K2 提升 12.73 分。
查看缓存全文
缓存时间: 2026/06/03 13:50
AI代理应将记忆视为不断变化的有用连接网络，而非静态存储。
大多数代理记忆系统检索旧信息的方式，仿佛过去就是一个个文件柜。
该论文提出FluxMem——一种将事实、过往任务片段和可复用技能作为图中相互连接的节点进行存储的记忆系统。
当代理执行任务时，FluxMem首先收集可能有用的记忆，然后利用任务反馈来修正记忆连接：通过添加缺失的链接、移除错误的链接，或以恰当的详细程度重写记忆。
随着时间推移，它还会将重复成功的任务路径转化为可复用的技能，这样代理就无需反复重建相同的推理模式。
作者在长对话记忆、网页导航和通用辅助任务上测试了FluxMem，以验证该理念在不同代理问题上的适用性。
FluxMem取得了优于对比记忆系统的效果，包括在LoCoMo上达到95.06的平均准确率，以及在GAIA上搭配Kimi K2使用时获得了12.73个百分点的提升。
关键在于，该论文将代理记忆从“存储与检索”转向了“持续修复和强化那些真正帮助代理行动的连接”。
链接 – arxiv.org/abs/2605.28773
标题：“Rethinking Memory as Continuously Evolving Connectivity”
相似文章
@_avichawla：为你的Agent构建类人记忆（开源）！每个智能体和RAG系统在实时知识方面都面临挑战……
Graphiti是一个开源工具，通过持续演进且具有时间感知的知识图谱，为AI代理构建类人记忆，相比MemGPT，准确率最高提升18.5%，延迟降低90%。
@9hills: 尝试了多种Agent Memory实现，只有两种我觉得还有点用： 1. Hermes 这种严格限制长度的条目级记忆和会话召回，用来解决个人助理所需的记忆。但是这种和Coding没关系。 2. 根据轨迹沉淀 skill 和 skill 进化…
作者分享了尝试多种Agent Memory实现后的心得，认为只有严格限制长度的条目级记忆（如Hermes）和基于轨迹沉淀的技能进化两种方法比较有用，其他图谱类或卡片类的方法效果不佳。
rohitg00/agentmemory
agentmemory 是一个开源的持久化记忆层，专为 AI 编程智能体（Claude Code、Cursor、Gemini CLI、Codex CLI 等）设计。它通过知识图谱、置信度评分和混合搜索技术，借助 MCP、Hooks 或 REST API，为智能体提供跨会话的长期记忆能力。该项目基于 iii 引擎构建，无需外部数据库，提供 51 个 MCP 工具。
@dair_ai: // 记忆即模型 // 该论文为任何LLM增加一个单独训练的记忆模型，用于存储、检索和整合…
MeMo 引入了一种模块化记忆模型，可为任何 LLM 增强存储、检索和整合新知识的能力，无需重新训练或担心灾难性遗忘。它在 BrowseComp-Plus、NarrativeQA 和 MuSiQue 等基准测试上优于基于 RAG 的方法。
MemoryOS —— 具备时序知识图谱的 AI 智能体记忆，实现 9ms 摄取与 78ms 检索
MemoryOS 是一款开源、可自托管的 AI Agent 记忆工具，它利用时序知识图谱技术，在 LongMemEval-s 基准测试中实现了 86.2% 的准确率，并以 78 毫秒的快速检索速度著称。