A-MEM：LLM 智能体的智能记忆

发布日期：2025年2月17日

arXiv:2502.12110 [ cs.CL, cs.HC ] github:agiresearch/A-mem

摘要

尽管大型语言模型 (LLM) 智能体能够有效利用外部工具处理复杂的实际任务，但它们需要记忆系统来利用历史经验。当前的记忆系统可以实现基本的存储和检索，但缺乏复杂的记忆组织，尽管最近尝试整合图数据库。此外，这些系统固定的操作和结构限制了它们在不同任务中的适应性。为了解决这一限制，本文提出了一种新颖的 LLM 智能体智能记忆系统，该系统能够以智能体的方式动态组织记忆。遵循 Zettelkasten 方法的基本原则，我们设计了记忆系统，通过动态索引和链接创建互联的知识网络。当添加新记忆时，我们生成一个包含多个结构化属性的综合笔记，包括上下文描述、关键词和标签。系统随后分析历史记忆，以识别相关连接，在存在有意义相似性时建立链接。此外，此过程支持记忆演化——随着新记忆的整合，它们可以触发现有历史记忆的上下文表示和属性的更新，从而使记忆网络能够持续完善其理解。我们的方法将 Zettelkasten 的结构化组织原则与智能体驱动决策的灵活性相结合，从而实现更具适应性和上下文感知的记忆管理。对六个基础模型的实证实验表明，与现有 SOTA 基线相比，有显著改进。评估性能的源代码可在 https://github.com/WujiangXu/AgenticMemory 获取，而智能记忆系统的源代码可在 https://github.com/agiresearch/A-mem 获取。