记忆相关 AI 资讯

8月21日

10:15

官方账号arXiv cs.AI@Mengru Wang, Haozhe Luo, Zhenqian Xu, Zhixiang Cui, Haoming Xu, Qu Yang, Jizhan Fang, Junfeng Fang, Ningyu Zhang

研究人员提出 MemTrapBench 基准，用于评估大模型记忆使用中的认知陷阱。该基准涵盖 Reasoning Fixation 和 Belief Distortion 两种陷阱形式。实验显示，在两个模型家族和五种代表性记忆框架上，所有记忆策略的表现均不如无记忆设置，最强方法性能下降超10%。为缓解这些陷阱，研究者提出 AdaptiveMem 方法，可在推理时指导模型避免记忆陷阱。

论文 MemTrapBench AdaptiveMem 认知陷阱

推荐理由：有人做了个叫 MemTrapBench 的基准，专门测大模型记忆里的认知陷阱。他们发现，记忆反而会拖累模型表现，连最好的方法都掉10%以上。他们还搞了个叫 AdaptiveMem 的方法来解决这个问题。

原文

7月18日

00:06

Qdrant@qdrant_engine

Mem0 CEO Taranjeet在Qdrant向量空间日上指出持续学习本质是记忆问题而非训练问题。他区分权重（存储通用技能）与记忆（存储用户/团队特定信息），强调记忆应快速、可检查、可逆、可移植。提出5步循环：观察→提取→检索→行动→遗忘/更新。Mem0作为开源记忆层，生产环境下基于Qdrant引擎运行。

技巧 Mem0 Qdrant 智能体

推荐理由：别再给智能体重训练了，先搞定记忆。Mem0创始人手把手教你5步循环，来自实战经验。

原文

7月7日

01:24

官方账号LangChain@LangChainAI

LangChain将于本周四举办紧急网络研讨会，主题为LLM Wikis及如何为AI Agent赋予记忆。OpenWiki项目在不到一周内获得近7k GitHub星标。创始人Harrison Chase将与Brace Sproul和devstein64讨论Wiki相关技术。

行业 LangChain LLM Wikis OpenWiki

事件专题

推荐理由：如果你想学习怎么用LLM Wikis给智能体加记忆，这个会值得听，而且OpenWiki刚火起来。

原文

01:04

Harrison Chase@hwchase17

LangChain 创始人 Harrison Chase 宣布举办一场关于 LLM Wikis 的紧急网络研讨会，聚焦如何为 AI 智能体添加记忆功能。OpenWiki 项目由 Brace Sproul 开发，在不到一周内获得近 7000 GitHub 星。研讨会将于周四在 events.langchain.com 举行，与 Brace 和 devstein64 共同探讨。

技巧 LLM Wikis OpenWiki 智能体

事件专题

推荐理由：想给智能体加上长期记忆？这场 LangChain 的紧急研讨会讲 OpenWiki，一周 7k 星的新项目，值得听。

原文

6月26日

08:02

AI Engineer@aiDotEngineer

WF2026会议公布了首批主题演讲，演讲主题包括Agentic AI Foundation的“构建系统而非代码”、Meta Superintelligence Labs的“生产级评估”、Decoding AI的“将10994条笔记转化为智能体记忆”等。Nx、OpenProse、Omnara等公司的演讲者也展示了各自在智能体系统和编码工具上的进展。全部在线演讲将于本周末陆续推出。

行业 WF2026 智能体评估

推荐理由：WF2026第一批keynote全是干货：智能体构建、生产评估、记忆系统、递归编码，搞AI工程的别错过。

原文

6月25日

04:54

Harrison Chase@hwchase17

hwchase17 在 X 上分享了一个巧妙思路：用 tracing（追踪）来作为 AI 系统的 memory（记忆）。该推文获得 1461 次查看、7 个喜欢和 3 条回复。Strata 和 ChainZenit 等用户也参与了讨论。这种方法无需额外数据库，仅利用追踪日志即可实现上下文记忆。

技巧 hwchase17 Strata ChainZenit

推荐理由：LangChain 创始人 hwchase17 分享了一个超聪明的做法——用 tracing 记录来当记忆用，省掉专门搭数据库的麻烦。

原文

03:54

Harrison Chase@hwchase17

LangSmith Engine 支持将智能体轨迹追踪到 LangSmith，通过后台分析轨迹自动生成记忆更新建议。更新后的记忆存储在 Context Hub 中，实现类似睡眠时间计算（sleep time compute）的离线记忆优化。该方法由 Harrison Chase 在教程中演示，视频地址附于推文。

技巧 LangSmith 智能体记忆

推荐理由：Harrison Chase 教你用 LangSmith Engine 让智能体在后台自动更新记忆，看完就能上手操作。

原文

01:31

官方账号LangChain@LangChainAI

精选

Jake Broekhuizen在12分钟视频中演示如何让智能体通过记忆更新来改进表现。他介绍使用LangSmith Engine发现运行问题，并将记忆写入Context Hub。这种方法能让智能体在多次运行之间持续优化，而非仅留下痕迹。适合需要在大规模部署中管理智能体记忆的开发者。

技巧 LangChain LangSmith 智能体

推荐理由：想知道怎么让智能体不反复犯同样的错？看LangChain这12分钟视频，教你用LangSmith Engine和Context Hub实现跨运行学习。

原文

6月13日

13:10

rohanpaul_ai@rohanpaul_ai

精选

AGENTCL 提出一个评估语言智能体持续学习能力的新基准，通过构建任务流来测试智能体是否真正从经验中学习。该基准对比了“组合式”任务流（后续任务可复用前序任务的代码函数、研究证据或工作流）与“朴素”任务流（任务同领域但无明确复用关系）。研究发现，当前记忆方法在任务连接明显时能复用过往经验，但在任务差异较大时仍难以避免混淆。AGENTCL 旨在解决现有基准中任务关系不清晰导致的评估偏差问题。

论文 AGENTCL 智能体持续学习

推荐理由：看智能体记忆到底行不行

原文

6月6日

01:13

mem0@mem0ai

Mem0 与 Build Club 合作，在印度 Pune 举办为期一天的 Agent 构建活动。活动将围绕 Agent 在生产环境中真正重要的要素展开：记忆、工具、上下文和状态持久化。参与者将参与现场演示、动手构建和讨论，学习如何让 Agent 在会话结束后仍能保持状态。活动旨在帮助开发者理解 Agent 性能的关键不在于模型本身，而在于其记忆和工具链。

AI产品智能体记忆工具

推荐理由：做 Agent 开发的团队终于有机会深入记忆和工具链这些实际痛点，Pune 及周边的开发者可以直接去现场动手学，别错过。

原文

6月5日

06:58

官方账号Sam Altman@sama

72°

OpenAI CEO Sam Altman 宣布，ChatGPT 的记忆功能今日迎来重大升级。新系统能更有效地在对话间携带上下文，并随时间保持有用性。这项改进基于 OpenAI 对记忆机制的深入研究，旨在让 ChatGPT 在长期交互中更连贯、更个性化。用户无需手动操作，升级将自动生效。

AI产品 ChatGPT 记忆上下文

事件专题

推荐理由：ChatGPT 记忆升级解决了跨对话上下文丢失的痛点，重度 ChatGPT 用户（尤其是用其做长期项目或日常助理的）可以直接体验更连贯的对话，值得立即试试。

原文

6月4日

14:31

官方一手marktechpost@Asif Razzaq

精选72°

斯坦福研究人员发布 OpenJarvis，一个完全在设备上运行的开源 AI 智能体框架，涵盖推理、智能体、记忆和学习。它将个人 AI 系统分解为五个可组合原语：智能、引擎、智能体、工具与记忆、学习。在性能上，OpenJarvis 仅比最佳云端模型低 3.2 个点，但边际 API 成本降低约 800 倍。该框架旨在实现隐私保护、低延迟和低成本，适合个人设备上的 AI 应用。

AI产品智能体开源/仓库本地优先

推荐理由：OpenJarvis 解决了隐私和成本两大痛点，做本地 AI 智能体开发的团队可以直接用——性能接近云端但成本低 800 倍，值得一试。

原文

5月27日

17:53

Harrison Chase@hwchase17

Harrison Chase（LangChain 创始人）在 X 上推荐了一个名为 Quarq 的开源智能体项目，其核心设计围绕记忆与持续学习能力。该智能体能够记住历史交互并从中学习，从而在长期任务中表现更稳定。这一方向解决了当前 AI 智能体缺乏长期记忆、难以持续优化的痛点。对于构建需要长期交互或个性化服务的 AI 应用的开发者来说，Quarq 提供了一个值得探索的开源方案。

AI产品开源/仓库智能体记忆

推荐理由：做长期交互 AI 应用的开发者终于有了一个原生支持记忆和持续学习的开源智能体，LangChain 创始人亲自推荐，值得一试。

原文

5月26日

23:28

elvis@omarsar0

Anthropic 在一次演讲中深入探讨了 AI 智能体的记忆机制和新推出的 Dream 功能。该演讲提出了关于未来 AI 智能体如何存储和利用记忆的诸多创新想法。Dream 功能可能允许智能体在离线或低资源状态下进行自我反思和知识整合。这对构建更持久、更智能的 AI 助手具有重要意义。

AI产品 Anthropic 记忆 Dream 功能

事件专题

推荐理由：Anthropic 对记忆和 Dream 功能的探讨揭示了 AI 智能体进化的关键方向，做智能体开发的团队值得关注这些前沿思路。

原文