智能体 AI 架构中记忆、知识与上下文的系统化方案

2026-11-12 · 1 分钟阅读

随着智能体从聊天机器人走向自主系统，架构瓶颈已从数据检索转向决定智能体该知道什么、何时调用及记住多久。文章提出“上下文即控制平面”范式，将上下文、记忆与知识区分：上下文是模型当前活跃窗口内的临时信息，记忆提供跨会话持久化能力，知识是交互前已具备的事实与规则。作者主张构建“上下文引擎”，在信息进入大模型前完成选择、过滤、排序、压缩与安全处理，并以编译器作类比。架构需平衡历史记忆与实时输入，避免把检索当充分条件，应通过后台管道将原始数据提炼为结构化知识。上下文生命周期包括选择、注入、压缩、过期与刷新四阶段。文章归因斯坦福研究人员 Nelson F. Liu 等人 2023 年提出的“中间遗忘”现象，指出超长上下文会降低准确率并推高成本。幻觉多被视为上下文管理不当的症状，而非模型本身故障。记忆宜分层为工作记忆、短期记忆与长期记忆。