构建多智能体系统让我意识到记忆比编排更难

我最近使用 Statewave 构建了一个小型多智能体记忆实验，观察多个智能体如何随时间共享上下文。起初我认为难点在于编排，但事实并非如此——真正的挑战是记忆。当多个智能体开始读写共享上下文时，几个问题随之显现： - 智能体基于过时信息运作 - 不同智能体从相同历史记录得出不同结论 - 上下文交接丢失重要细节 - 几周后之前已解决的问题重新浮现 - 共享记忆随着增长而变得难以信任 Statewave 让我感兴趣的地方在于，它将记忆视为一个生命周期而非检索问题。它不把记忆当作不断增长的碎片集合，而是记录事件并将其转化为可随时间演化的结构化记忆。这比简单地添加另一个向量存储要有用得多。 我已将实验开源。很好奇其他人是如何处理跨多个智能体的共享记忆和上下文一致性的。