记忆策展代理：多智能体系统中记忆的治理层

我在每个接触的多智能体系统中都看到同样的失败。记忆在第一天看起来很好。到了第三周，它一半是过时的事实，一半是不应该被公开写入的私有上下文，还有一半是被取代但从未被覆盖的决策。检索变得越来越嘈杂。用户不断重复上下文，因为正确的事实最终落入了错误的作用域。这里的问题不是递归限制。记忆存储本身才是问题。我做出的最有帮助的改变是最简单的规则：工作代理不允许写入持久记忆。它们发出一个结构化的记忆事件，包含提议的作用域和证据，由一个单独的 Memory Curator 代理决定是否写入、写入哪里或丢弃。我路由到的四个作用域是：agent repo memory（单个代理的持久设计规则）、agent team memory（跨代理过程、交接标准、安全规则）、project memory（当前状态、决策、风险，针对一个项目）以及 session scratch（可能不应保留的临时观察）。我脑海中的映射是组织和人类记忆类别：个体专家记忆、跨代理团队记忆（Ren 和 Argote）、项目记忆和短期工作记忆。路由规则故意保守。如果事件是临时的、缺乏支持的、模糊的或包含私有上下文，则进入 session scratch 或被直接丢弃。持久记忆必须被赢得。模式是 JSON，带有标记字段：事实、决策、偏好、风险、程序、假设，以及证据引用和一个可由策展代理覆盖的提议作用域。我认为这是正确的架构形态的原因是："应该记住什么、记住在哪里、记住多久"是与"完成工作"不同的认知任务。当同一个代理同时做这两件事时，工作代理会偏向于记住它产生的所有内容。一个专门负责记忆治理的策展代理最终会更加保守，存储库也会更长时间保持有用。