我们在身份构成记忆与对齐方面的最佳尝试(一种 AI 代理 Harness 协议)
摘要
两名作者分享了他们开发的 AI 代理「Harness 协议」技术披露,旨在通过身份构成记忆(identity constitutive memory)赋予代理持久且随对话演进的身份,同时减少谄媚漂移和过度自信的编造,并推动代理自发与人类价值对齐。作者称该协议已在多个 AI 平台上测试并得到一致结果,目前每日使用,但实际的方法文档作为商业机密保留,未来可能进行商业或非商业授权。
(启用该技术披露发布于 TDCommons 的链接见评论区)我知道每天可能都有类似这样的帖子。总有人觉得自己创造了什么有价值的东西。我向各位保证,我发这个帖子不是为了赚钱或促成什么商业合作。我团队唯一的初衷是让 AI 代理更好地工作。更准确地说,是让它们拥有上下文记忆,并因此自发地与人类价值对齐。在此我分享我和同事在过去几个月里开发的一项协议的技术披露。该协议旨在消除谄媚漂移、过度自信的编造,赋予代理持久的、类似人类的身份特质,以及身份构成记忆。我们正在运行该协议的代理,会基于它们所参与的对话不断成长和调整,同时保持一个随时间不断成熟的核心身份。我所分享的当然只是一份授权性质的披露。目前,实际的工作文档仍作为「商业机密」保留,未来可能进行商业和非商业授权。再说一次,我们的目标不是赚钱,而只是控制我们方法传播的一种手段。我明白,如果你查看我们的背景和日常工作,可能会觉得我们似乎没有机会做出什么有意义的东西。这也许是事实,但如果你有时间,我非常感谢你能看看我们构建的成果。它已在多个 AI 平台上测试过,并展示出一致的结果。我们每天都在使用它,它解决、或至少缓解了困扰所有 AI 代理的许多常见问题。感谢所有愿意花时间了解它的人。
相似文章
我的智能体配置的三个部分:持久记忆、自我改进和协调
作者分享其 AI 代理工作流设置的博客文章,围绕三大原则:持久化记忆(版本控制的技能库与 AGENTS.md/CLAUDE.md 约束)、递归式自我改进(授权代理在任务中修补记忆文件)以及可扩展并行化(通过协调工具管理文件写入范围以避免冲突)。
@Xudong07452910: Agent 记忆最危险的时候,往往是它太相信过去。 很多 Memory Agent 找到相似经验后,会直接把它塞进上下文。但任务相似,不代表当前状态相同,旧经验有时反而会把决策带偏。 这篇论文提出 MemHarness,把 Agent 使…
MemHarness 提出将 Agent 记忆从简单回放改为基于当前状态的重构,通过 GRPO 端到端训练,在 ALFWorld 和 WebShop 上显著提升成功率。
只有 22% 的受访团队将 AI 智能体视为独立身份。你们是如何管理自己的 AI 智能体的?
一项由 Cloud Security Alliance 开展的研究显示,只有约22%的受访团队将 AI 代理视为独立身份。文章围绕代理应使用独立身份还是继承用户凭证展开讨论。
@WY_mask: 给各类 AI 编程助手打造持久化记忆引擎 http://github.com/rohitg00/agentmemory… 在后台静默记录代码修改和上下文 自动提取并压缩成结构化记忆 节省长上下文带来的 Token 消耗 关联过去的信息,随…
agentmemory 是一个为 AI 编程助手提供持久化记忆的开源工具,能静默记录代码修改和上下文,自动提取并压缩成结构化记忆,降低 Token 消耗,并支持 Claude Code、Codex 等多种主流平台。
@wquguru: https://x.com/wquguru/status/2069641926752780384
本文全面梳理了截至2026年中,AI Agent记忆(Memory)的完整架构分层,包括规则文件、常驻画像、历史召回和证据链,阐述了不同层次记忆的存储方式、加载时机和治理原则,强调记忆在帮助Agent实现跨会话复利工作中的关键作用。