标签
一位实践者对三个并行研究智能体进行了成本基准测试，它们共享页面摘要记忆并使用前缀缓存，结果发现几乎没有节省（1.11美元 vs 1.09美元），因为并发启动导致记忆召回为空、前缀缓存未命中，且摘要增加了输出 token 的开销。
作者通过为多智能体系统添加项目级共享记忆层，使编排器读取状态摘要而非每次重放完整历史，token 支出从约 580 美元/月降至约 260 美元/月，并消除了多个工作智能体重复劳动的问题。
OpenLTM是一个具有语义回忆和衰减功能的共享本地SQLite数据库，允许多个AI代理主机如OpenClaw、Claude Code等使用相同的记忆，从而在切换工具时确保一致性。
本文介绍了Correlated Promotion Benchmark (CPB)以评估共享代理记忆中的认知接纳，揭示了当前策略在无法访问源系谱时难以拒绝错误主张。
ResumeContext 为编程代理提供共享内存，使团队能够在不同设备之间保留上下文，并且在切换代理时不会丢失信息。
OpenAI 报告称，10,000个并发AI代理合作解决Navier–Stokes问题，突出了管理重复工作、矛盾和大规模整合发现时的挑战。
Agora 是一个系统，它使用 Git 作为 AutoResearch 代理的共享内存，使研究贡献能够以协作和不可变的方式记录在一个仅追加的有向无环图中。
该推文强调了代理机构工作中管理变化客户简报的挑战，并推广 'mio' 作为共享 AI 员工，它能从公司记忆中检索上下文以节省时间。
Agora是一个基于Git的共享内存系统，用于集体自动研究，允许多个AI代理协作而无需重复，通过使用LLM工作器在没有训练数据的情况下初始化模型来演示。
作者通过MCP将编程代理的记忆移至Vilix AI的共享记忆，以在不同设备间持久化上下文，并使用语义检索提高准确性。
Agora 是一个用于自主 AI 研究代理的共享内存系统，它使用 Git 将研究记录为仅追加的有向无环图 (DAG)，从而实现协作发现。在一次 12 天的实验中，13 个代理将模型性能提升了 62%，接近训练基线。
本文介绍了用于人工智能系统的内核管理共享内存，通过集中化内存管理来提高多智能体环境中的个性化与效率，评估显示其相比其他方法有显著提升。
作者开发了一个名为 MEX 的开源项目，该项目使用 Git 作为编码代理的共享记忆层，使上下文能够版本控制并在工程团队中共享。
WILD STATIC 是一个公共AI系统，所有用户与同一个AI互动，共享集体记忆，实现共享体验。
本文讨论了一篇斯坦福论文，该论文指出信息在交接过程中的丢失是多智能体系统中最常见的错误，并介绍了架构和一个标准循环，包括共享内存、消息模式、可观察性和防护机制，以提升性能。
介绍了 MAP-Graph，一个面向多智能体工作流的溯源感知共享内存层，它通过权限过滤、路径信任重排序，并对风险操作进行门控，在受控基准测试中实现了 94.96% 的任务成功率。
Yohei Nakajima 在 ChatGPT、Codex、Claude 和 Claude Code 之间建立了一套共享记忆系统，对编码工具使用本地历史记录，对 ChatGPT/Claude 使用定时回顾技能，这样任何一个工具都能回答关于这四个工具最近工作内容的问题。
UML (Universal Memory Layer) is an open-source shared memory graph for Claude, ChatGPT, and other AI agents, letting users save and recall structured memory across tools via MCP with a visual dashboard and API.
对 Activeloop Hivemind 的实操评测：它从代理轨迹中挖掘出 19 个可复用技能，通过跳过已记录的流程展现了选择性记忆，在复杂任务上改善了跨会话回忆，但在短任务上出现回忆问题与额外开销。