如果你的 AI 智能体每次会话都重置，那它们就没有在学习。它们只是在重复。

@lyonwj 录制了一场关于这个问题的分享：为什么大多数智能体仍然是无状态的，这会在生产环境中导致什么问题，以及记忆和上下文图如何从根本上改变架构。

完整分享还涵盖了实际设计模式、实现记忆时最常见的陷阱，以及针对 Salesforce Agentforce、Databricks 和主要云提供商的集成方法。

30 分钟。按需观看，链接：https://bit.ly/4dBPQ3h

使用记忆和上下文图设计有状态智能体

来源：https://go.neo4j.com/WBR-EDU-260604-Memory-and-Context-Graphs_Registration.html?utm_source=linkedin&utm_medium=organic&utm_campaign=webinar

许多 AI 智能体在很大程度上仍然是无状态的。它们会产生幻觉并给出不一致的输出，因此你需要在每次请求时重建上下文。虽然现代云原生智能体编排服务能够支持推理和工具使用，但如果不能提供记忆，这些平台就无法推进从原型到生产的进程。

持久化记忆与本体和数据相结合，在企业知识图谱（EKG）中发挥作用，为智能系统提供基础支撑并实现规模化扩展。知识图谱可以通过包含决策结果和推理轨迹的上下文图进行扩展。记忆和上下文图共同帮助你设计有状态、可投入生产的智能体。

按需观看，了解上下文图如何管理智能体的实时交互状态，而长期记忆如何实现跨会话的连续性、学习和个性化。了解这两者如何在现代智能体系统中协同工作。

我们还将介绍设计模式、常见陷阱，以及跨 Salesforce Agentforce、Databricks 和其他主要云提供商等框架的集成方法。参加完本次网络研讨会后，你将了解如何从无状态演示过渡到健壮、真实的 AI 应用。

主讲人

Will Lyon 图片

Will Lyon Neo4j 高级产品经理

立即观看