多智能体 AI 中的集中式记忆管理：以更低成本实现个性化

中心化记忆如何运作

专用智能体会写入带有标签的结构化记忆。智能体系统的内核负责管理记忆的检索、隐私保护以及将记忆添加到提示词中。

在这一架构中，智能体负责创建记忆，内核则决定系统如何使用这些记忆：

• **写入：**智能体保存带标签的结构化记忆。
• **检索：**由内核负责管理，而不是由各个智能体分别管理。
• **保护与注入：**内核负责隐私保护以及将记忆添加到提示词中。

集中化将记忆的创建与使用控制分离开来。如果检索和注入规则需要在整个智能体系统中统一生效，这一点就很重要。

如何验证这一方法

研究人员在 AIOS 上实现并评估了这一设计。他们将其与三种替代方案进行了比较，测试使用了三种助手模型。

• GPT-4o
• Llama-3.1:8B
• Qwen-2.5:7B

研究共包含 1 800 次试验。这部分工作描述的是验证规模，而不是各项比较的具体条件。

比较结果显示了什么

结果取决于记忆的处理方式。表格列出了作者对三种替代方案的比较结论。

对于 GPT-4o，个人资料使用情况的示例评分从 1,05 提高到了 4,69。这一指标展示的是与 Mem0 比较的结果。

何时考虑采用集中化

如果系统需要统一的记忆检索、保护和注入规则，就值得考虑对记忆进行集中管理。这种方法将这些决策从各个智能体转移到系统内核。

一个实用的判断标准是，将所需的个性化程度与可接受的上下文量和成本进行权衡。作者得出的结论是，集中化以显著更低的成本，带来了无限上下文个性化的大部分优势。

本文基于 面向全系统个性化的内核管理共享记忆，作者为 Ryan Lum 和 Zhang Yongfeng，提交于 2026 年 9 月 9 日。