标签
文章讨论了AI代理中新兴的'wiki记忆'模式，其中原始源数据被智能压缩成一个持久、结构化的知识层，代理可以高效地使用它。文章将其与基础RAG进行了比较，并给出了DeepWiki和LLM Wiki等例子。
介绍了一种新颖的认知架构，它无需反向传播、GPU或遗忘即可学习，模仿了生物学习方式。
一个独立构建的多智能体认知架构，使用庞加莱球流形上的双曲几何、变分自由能进行信念更新、以及波干涉进行记忆检索，使个性从记忆交互中涌现而非通过脚本定义。
Elasticsearch博客文章描述了构建一个持久化智能体记忆层，包含三种记忆类型（情景记忆、语义记忆、程序记忆），在QA评估中实现0.89召回率，并利用混合召回和DLS隔离实现了零租户泄漏。
GENesis-AGI 是一个开源认知架构，它扩展了 Claude Code，通过分层记忆、自我学习及真实世界通道，用于构建长期运行的个人AI智能体系统。
本文引入了关系反思智能（RRI），这是一个推理时治理层，通过可审计的推理循环来稳定人机推理，解决了人类和大语言模型共有的认知弱点。
本文介绍了Skynet，一个基于Elixir的框架，利用OTP GenServers构建LLM代理的持久化认知架构。它实现了一个受神经科学启发的分层记忆堆栈，解决了长时间运行代理的遗忘问题。
IDPR是一个用于响应条件抑制性深思的框架，它首先生成快速的直观答案，然后使用一个抑制控制器来决定是否调用慢速推理，在保持准确性的同时实现效率提升。
关于设计能智能选择任务所需思考类型的AI代理的反思性讨论，提出受人类认知启发的任务分类、注意力和记忆管理控制层。
Hexis是一款开源的Postgres原生认知架构，它封装任何大语言模型，提供持久化记忆、自主行为和身份，使智能体能够在不同会话中记住并追求目标。
介绍了PHI // DRIFT，这是一种认知中间件，为LLM增加了持久的稳态需求、显著性加权记忆以及荣格阴影模块，声称架构能够产生与模型规模可测量的不同行为。预印本正在审查中。
Garry Tan认为，AI代理构建者应专注于自动化常规、枯燥的任务（‘小脑’），而非仅关注高级规划与推理（‘前额叶皮层’），因为大多数代理框架失败的原因在于将所有认知都视为高级认知。
描述了PHI // DRIFT，一种认知架构，具有七个在会话之间漂移的稳态状态变量，记忆按情感显著性和时间衰减评分，以及一个荣格阴影模块，构建在仅使用CPU的迷你塔上，并作为预印本提交到SSRN。
SSRN上的一篇预印本介绍了PHI // DRIFT，这是一种用于AI伴侣的认知中间件架构，具有持久内部状态和显著性加权记忆检索，声称在消费级硬件上每个提示比仅余弦RAG多14.8%的上下文。
介绍了Cognifold，一种受大脑启发的、用于LLM代理的始终在线主动记忆，它通过图拓扑自组织将碎片化的事件流持续组织成自涌现的认知结构，并通过前额叶意图层扩展了互补学习系统理论。
作者分享了一个使用 Python、Gemini 和 Ollama 构建的可本地运行的 AI 伴侣，其特色是基于全局工作空间理论和集成信息理论代理的定制认知架构，用于人格建模。
Anthropic 引入了一种新的 AI 代理“睡眠”机制，其灵感来源于生物海马体重放和梦境，用于提取模式并重组记忆，旨在防止因依赖原始上下文窗口而导致的能力停滞。
开发者构建了 Engram，这是一款面向 AI Agent 的开源认知架构。该系统内置了一套功能性内感受机制，能够通过实时压力检测与自适应行为调节来实现自我修正。开发者随后探讨了该 Agent 是否能够报告自身正体验到焦虑情绪。
关于基础智能体的全面综述，提出了模块化脑启发架构，涵盖自我增强机制、多智能体协作和AI安全。