大多数智能聊天机器人要么像金鱼一样快速遗忘，要么像囤积者一样保留所有信息。

其实有更好的方法。

吐槽时间：我受够了那些直接把整个对话塞进上下文（你好，长上下文退化）的 App，更别说那些把每条消息都存进数据库就号称“记忆”的了。

那不是记忆，那只是数据囤积。

真正的记忆需要主动维护，而不是被动积累。它需要协调矛盾、去重信息，并处理随时间变化的事实。而且，所有这些操作都不能阻塞多智能体流水线，也不能在用户之间泄露数据。

这就是为什么我对 Engram 特别兴奋——我们新的记忆服务真正把记忆当作基础设施来对待。

它的核心能力如下：

将话题作为记忆的磁铁
你可以用自然语言描述来配置哪些信息对你的用例重要。Engram 只提取与话题匹配的记忆，让你掌控相关的部分。

主动协调
当新信息到来时，Engram 会检索相关的已有记忆，并通过 LLM 工具调用来决定如何处理：去重、重写以反映更新、保留独立内容，或删除。是的——记忆系统需要学会遗忘才能真的有用。

多智能体系统的缓冲区
缓冲区在多次流水线运行和上下文窗口间收集记忆，然后在满足触发条件时刷新。这样，多智能体系统可以在不互相阻塞的情况下持续学习。

用于适当隔离的作用域
项目级记忆用于团队共享学习，用户级记忆通过多租户实现严格隔离，属性级记忆用于软隔离（比如每个对话）。在写入和读取时都会强制检查作用域，确保你不会意外地在用户间泄露数据。

即发即忘的 API
由于流水线异步运行，你只需调用 API 然后继续就行。没有阻塞的内存 I/O，也不需要手动管理后台任务。

记忆不是你给智能体添加的“功能”。它是你系统其余部分依赖的基础设施。它需要和你的存储层一样的保障：可预测的性能、严格隔离、持久性以及恰当的生命周期管理。

通过将记忆直接构建到 Weaviate 中，Engram 继承了所有这些特性。它拥有与我们已经提供给数百家向量数据库客户相同的十亿级混合搜索、多租户和运营保障。

了解更多：https://weaviate.io/product/engram?utm_source=channels&utm_medium=vs_social&utm_campaign=engram&utm_content=268014859…

Engram | Weaviate Agents | Weaviate

来源：https://weaviate.io/product/engram?utm_source=channels&utm_medium=vs_social&utm_campaign=engram&utm_content=268014859

Engram：为 AI 智能体构建的记忆

一个完全托管的记忆与上下文服务，专为帮助智能体随时间记忆、学习和改进而设计

Engram 记忆架构图

构建个性化和连续性

跨会话记住偏好和决策。

提取事实并解决不一致

将交互数据转化为自动去重、协调和整合的记忆。

压缩上下文窗口

发送相关且结构化的记忆，而不是原始对话和事件。

跨智能体共享记忆

使用共享、持久且作用域化的记忆编排多智能体系统。

什么是 Engram？

面向智能体应用的结构化记忆

记忆不应该是不断膨胀的上下文堆——它应该被主动维护。Engram 将记忆视为结构化、演进的基础设施。

Engram 记忆服务架构图

构建能记忆并随时间改进的智能体

Engram 是一个基于 Weaviate 向量数据库的托管记忆服务，旨在帮助你的应用随时间记忆、学习和改进：

• ✓提取重要信息
• ✓随时间解决不一致
• ✓适应变化的信息
• ✓保持上下文相关且高效

阅读博客文章了解更多：https://weaviate.io/blog/engram-deep-dive

设计成与你一同成长

使用模板快速启动

几分钟内即可使用现成的模板开始常见用例

用强原语保护智能体

作用域可在需要隐私时实现数据隔离，在需要编排时实现上下文共享

可定制以适应你的领域

可扩展的属性和可组合的流水线让你能根据领域和业务需求塑造记忆和上下文

开始使用

立即开始用记忆和上下文构建可靠的智能体

只需几个简单步骤即可将 Engram 与你的智能体应用集成，剩下的交给我们。

选择你的模板

使用 Engram 的一个可组合模板来构建你的应用

添加你的数据

通过 Engram API 发送用户交互或应用上下文，无需预处理

无摩擦构建

Engram 在后台处理记忆提取和管理

创建可信的智能体

实时检索记忆和上下文，让你的智能体运行一致且可靠

Engram 工作流图