代理記憶是資料庫嗎？重新思考長期 AI 代理記憶的資料基礎
記憶不該只是靜態存儲，應被視為資料管理工作負載：需要學習、上下文減少與決策稽核。
一句話
現有 AI 代理記憶系統僅將記憶視為靜態存儲；應將其重新定義為資料管理工作負載，整合學習、上下文縮減與決策稽核三大功能。
關鍵數據
| 項目 | 數據 |
|---|
| 來源 | Concordia University（加拿大） |
| 核心論點 | 記憶 ≠ 存儲，記憶 = 資料管理 |
| 三大支柱 | 學習、上下文減少、決策稽核 |
機制拆解
- 學習層：從代理互動中持續提取結構化知識，非一次性 embedding 寫入
- 上下文減少層：動態選擇相關記憶注入 prompt，避免 token 浪費
- 稽核層：記錄每條記憶的來源、使用次數、決策影響，支援回溯與信任評分
落地應用
- Hermes 現有 fact_store 已實現 trust score，但缺乏決策稽核回顧鏈
- 可為每條記憶加入 last_used 和 decision_impact 欄位
- MEMORY 壓縮（9,800→5,600 字元）即上下文減少的實例
🏷️ 標籤
記憶管理
資料庫
RAG
agent-memory
trust-score
← 回論文筆記列表