📢 转载信息

原文链接：https://venturebeat.com/ai/new-memory-framework-builds-ai-agents-that-can-handle-the-real-worlds

原文作者：Dean Takahashi

摆脱短期记忆限制：专为真实世界应用打造的AI记忆框架问世

人工智能研究人员正在推进一个雄心勃勃的目标：创建能够像人类一样处理复杂、长期任务的AI智能体（Agent）。然而，目前的AI系统，即使是那些基于大型语言模型（LLM）的系统，也通常受限于短期记忆的限制，难以应对需要跨越数周或数月才能完成的真实世界任务。

为了解决这一核心障碍，加州大学伯克利分校（UC Berkeley）的研究人员开发了一个名为“记忆框架（Memory Framework）”的新系统，旨在赋予AI智能体长期、可扩展的记忆能力，使其能够有效处理现实世界中复杂且持续的交互。

记忆框架（Memory Framework）如何运作？

该记忆框架的核心理念是模拟人类的记忆系统，将长期记忆与短期工作记忆区分开来。

1. 记忆构建与存储：

当AI智能体执行任务时，系统会持续地将关键信息、观察结果和行动总结成“记忆片段”。这些片段随后会被存储在一个向量数据库中，形成智能体的长期记忆库。

2. 情境召回：

当智能体需要信息来做出下一步决策时，它不会扫描整个历史记录。相反，系统会使用一个“记忆检索器”，根据当前情境，从长期记忆库中快速、相关地提取出必要的记忆片段，并将这些片段加载到智能体的短期工作记忆（即LLM的上下文窗口）中。

研究人员强调，这种方法有效地克服了传统基于LLM的Agent在处理长序列任务时遇到的“上下文窗口爆炸”问题，因为它只将最相关的历史信息注入到当前的决策过程中。

研究团队在各种需要长期规划和记忆的任务中测试了他们的框架，包括一个需要数周才能完成的、模拟真实世界用户交互的任务。

加州大学伯克利分校的计算机科学教授Stuart Russell表示，长远来看，这种记忆结构对于创建真正有用的、能够自主运行的AI实体至关重要。它使得AI能够从过去的经验中学习并适应不断变化的环境，这是当前许多AI应用所缺乏的能力。

“记忆框架”的提出，是构建更强大、更具鲁棒性的AI智能体的关键一步。当前许多AI工具都是一次性、任务导向的，但未来的AI系统需要能够持续学习、积累经验，并应用到新的、未曾预见的情境中。

研究人员计划未来将该框架扩展到多模态记忆（结合视觉、听觉信息）和更高级别的抽象推理上，最终目标是让AI智能体能够在现实世界中扮演更加复杂和自主的角色。

这一创新不仅提升了AI在特定领域的表现，更代表了AI智能体设计范式的一次重要转变——从强大的短期规划器，迈向拥有持久记忆的长期执行者。

🚀 想要体验更好更全面的AI调用？

欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。

详细的调用教程及文档：https://api.qingyuntop.top/about