持续演化的 Agent 记忆
将记忆建模为不断变化的知识集合，显式支持新增、修改、合并与遗忘。
当前研究
面向演化记忆
的基础设施。
Agent 的记忆如何在持续变化的同时，保持一致、高效，并拥有真正的遗忘能力？
研究方向
面向演化 Agent 记忆的版本化多表示存储与效用感知调度研究
Versioned Multi-representation Storage and Utility-aware Scheduling for Evolving Agent Memory
版本化多表示
追踪文本、摘要、向量和模型执行产物之间的派生关系与有效性。
作为视图的 KV Cache
将 KV Cache 定义为绑定模型、tokenizer、提示词布局与执行环境的物化视图。
效用感知调度
综合延迟、质量、复用概率、重算成本与资源压力，在不同资源层之间做出决策。
一致性与遗忘
当事实源被编辑、合并、过期或删除时，可靠传播失效状态。
系统模型
事实位于中心，
视图环绕其外。
事实源保持权威，派生表示则是版本化、可追溯且可被丢弃的。明确这条边界，才能实现安全复用与有效遗忘。
执行视图KV Cache模型 · tokenizer · 布局
语义视图向量 · 摘要派生 · 版本化 · 可替换
事实源规范化记忆可审计 · 可编辑 · 权威