Agent 记忆
面向持续演化、版本化与多表示的记忆基础设施。
华中科技大学 · 中国武汉
为持续演化的记忆
构建系统。
研究出发点
记忆并非静态记录，而是由多种表示、版本与决策共同构成的动态系统。
KV Cache
大模型推理中的缓存复用、失效传播与生命周期管理。
存储系统
分布式存储、NFS、Ceph 与跨层数据移动。
后端系统
可靠的数据服务与面向性能的工程实践。
重点研究
2025 — 至今版本化多表示存储
让持续演化的 Agent 记忆保持一致。
研究文本、向量、摘要与执行相关的 KV Cache 视图如何维持版本一致，并在 GPU、CPU 与 SSD 资源之间进行调度。
“KV Cache 不应被视为事实记忆源，而应被定义为特定模型执行环境下的物化视图。”了解研究方向
精选项目
查看全部项目技术笔记
浏览全部笔记 2026/6/18 KV Cache 与 Agent Memory：先划清事实与执行的边界为什么 KV Cache 更适合作为模型执行相关的物化视图，而不是 Agent 的事实记忆。 AI 系统 2026/6/10 NFS-Ganesha 缓存命中率：指标定义比采样更重要从请求路径出发理解缓存命中率，避免把不同层次的缓存混成一个数字。 存储系统 2026/6/05 Cloudflare + Azure + Nginx 的静态站点交付链路一条足够简单、可验证、可回滚的个人网站部署路径。 基础设施 2026/5/26 Ceph 架构笔记：从对象映射理解去中心化理解 RADOS、CRUSH、OSD 与上层接口之间的职责边界。 存储系统