Agent-Memory 概述

1. 结构化记忆生成

1. Chunks（块状记忆）：

   • 将文档分割成固定长度的连续文本段
   • 适合处理长上下文任务（如阅读理解）
   • 优点：简单易用，适合存储大量信息
   • 缺点：可能缺乏语义关联性

2. Knowledge Triples（知识三元组）：

   • 提取实体之间的语义关系，以 <头实体; 关系; 尾实体> 的形式表示
   • 适合关系推理任务
   • 优点：结构化强，适合复杂推理
   • 缺点：生成和检索成本较高

3. Atomic Facts（原子事实）：

   • 将信息提取为最小、不可分割的单元，以简洁的句子形式呈现
   • 适合需要高精度的任务
   • 优点：信息粒度细，适合精确检索
   • 缺点：可能丢失上下文信息

4. Summaries（摘要）：

   • 对信息进行概括和总结
   • 适合需要快速检索关键信息的任务
   • 优点：节省存储空间，提高检索效率
   • 缺点：可能丢失细节信息

5. Mixed Memory（混合记忆）：

   • 将上述所有类型的记忆组合在一起。
   • 在噪声环境下表现出强大的鲁棒性

2. 记忆检索方法：

○ 单步检索（Single-step Retrieval）： 检索与查询最相关的 Top-K 个记忆。

○ 重排序（Reranking）： 首先检索 Top-K 个候选记忆，然后使用 LLM 根据相关性对其进行重新排序，选择 Top-R 个最相关的记忆。

○ 迭代检索（Iterative Retrieval）： 通过 LLM 反复改进查询，并多次检索相关记忆，最后检索出 Top-K 个最相关的记忆。在多种场景中表现最佳。

3. 答案生成 ：

○ 仅记忆（Memory-Only）： 直接使用检索到的记忆作为生成答案的上下文。

○ 记忆-文档（Memory-Doc）： 使用检索到的记忆定位原始文档，并使用这些文档作为生成答案的上下文。

​