AI 智能体记忆系统的10大关键技术 原创

关于 AI 智能体的记忆系统架构设计和落地实现可以参考这两篇文章：《​​AI 智能体长期记忆系统架构设计​​​​》和《​​​AI 智能体的长期记忆系统架构设计与落地实现​​​》，今天我们详细剖析下 AI 智能体记忆系统的10大关键技术。

一、AI 智能体记忆系统10大关键技术

1、关键技术一：为什么长期记忆很重要？

我们构建的 AI 智能体存在以下三个关键问题：

第一、丢失上下文：AI 智能体忘记了过去互动中的重要信息；

第二、通用回应：没有适当的记忆，AI 智能体的回复变得不个性化且不准确；

第三、信任侵蚀：当 AI 智能体无法记住基本偏好时，用户失去信心。

这肯定不是通往通用人工智能的道路，或者更实际地说，不是留住客户的方法。

2、关键技术二：为什么 RAG 不适合作为长期记忆系统？

让我用一个具体的例子来说明为什么 RAG 作为记忆系统是不合适的？

考虑一个电商场景：

• 用户表达对阿迪达斯运动鞋的喜爱；
• 他们的鞋子两个月后坏了，导致沮丧；
• 用户将偏好转向彪马；
• 用户问：“我应该买什么运动鞋？”

在一个基于 RAG 的系统中，“我应该买什么运动鞋？”这个查询在语义上最接近最初的阿迪达斯偏好。向量数据库返回了这个过时的事实，AI 智能体错误地推荐了阿迪达斯：完全忽略了偏好变化。

核心问题是：

• 时间顺序：哪个事实先出现？
• 因果关系：鞋子坏了→失望→偏好变化；
• 事实失效：“喜欢阿迪达斯”应该被后来的事件覆盖。

3、关键技术三：向量嵌入 VS  知识图谱

这是以上问题的向量嵌入可视化表示：

在向量空间中，这些事实作为孤立的点存在，没有明确的关系。查询找到了最相似的向量嵌入，但完全错过了因果链和时间上下文。

然而，知识图谱可以明确地用时间有效期来建模这些关系。如下图中显示：

Graphiti动态知识图谱

• “喜欢”关系在特定日期失效；
• “坏了”关系创建了一个因果链接；
• 新的“喜欢”彪马的关系目前是有效的。

4、关键技术四：知识图谱开源实现 Graphiti

Graphiti 是Zep 的开源框架，用于构建实时、动态的知识图谱。它专门设计来解决以上探讨的记忆问题。

Graphiti 关键特点：

• 时间感知：跟踪事件发生的时间以及它们被学习的时间；
• 关系性：实体+关系+社区；
• 实时性：动态更新无需昂贵的重新计算
• 秘密武器：双时间记忆

5、关键技术五：秘密武器：双时间记忆

这就是 Graphiti 的时间模型的工作方式。每个事实跟踪四个时间戳：

• created_at：Graphiti 学习这个事实的时间；
• valid_at：事件实际发生的时间；
• invalid_at：事实变得不真实的时间；
• expired_at：Graphiti 学习到它不再有效的时间。

这使得强大的时间推理成为可能：“用户在二月份的偏好是什么？”变得可以回答。

6、关键技术六：智能冲突解决

当 Graphiti 遇到冲突信息时，它不会简单地添加另一个嵌入。相反：

• 新事实：“阿迪达斯鞋坏了，[用户不高兴]”；
• 检测到冲突：这使得“喜欢阿迪达斯”的关系失效；
• 时间解决：设置 invalid_at 日期并创建因果边；
• 结果：为每个偏好设置清晰的时间边界。

如上结果图保留了历史，同时清楚地表明了当前的有效性。这是“更接近人类处理和回忆随时间变化的状态的方式”。

7、关键技术七：混合检索

Graphiti 并没有抛弃向量嵌入，它使它们变得更智能。Graphiti 系统采用混合方法，使得检索结果：快速、准确、上下文相关的检索，操作时间以毫秒为单位，而不是秒。

• 语义搜索：通过嵌入向量找到相关内容；
• 关键词搜索：BM25 全文搜索特定术语；
• 子图遍历：从初始结果导航关系；
• 结果融合：结合所有方法以获得全面的上下文。

8、关键技术八：特定领域的记忆

Graphiti 的一个强大功能是领域建模。心理健康应用程序需要存储与电商 AI 智能体非常不同的记忆类型。

Graphiti 允许你使用熟悉的工具（比如：pydantic）定义自定义实体和边，为你提供：

• 任何数据源：动态整合对话和业务数据；
• 相关检索：只检索与你的应用程序相关的实体和事实；
• 熟悉的工具：使用 pydantic 定义你的实体和边本体。

9、关键技术九：适合工作的工具

我并不是主张到处替换 RAG。每种方法都有其优势，如下表所示：

AI 智能体应用程序可以使用 RAG 方法用于静态知识，使用 Graphiti 用于动态记忆。

10、关键技术十：记忆 ≠ 知识检索

总之，AI 智能体记忆不是知识检索，而是需要一个能够处理时间序列、因果关系和动态更新的系统。Graphiti 正是这样一个系统，它能够提供更准确、更个性化的服务。

基于Graphiti的Agent智能体架构图

本文转载自​​​玄姐聊AGI​​  作者：玄姐