演化的異構(gòu)圖，讓Agent擁有自愈技能)
【免費(fèi)下載鏈接】LightMem[ICLR 2026] LightMem: Lightweight and Efficient Memory-Augmented Generation項(xiàng)目地址https://gitcode.com/gh_mirrors/li/LightMem點(diǎn)擊查看免費(fèi)下載LightMem 是 ICLR 2026 的輕量高效記憶增強(qiáng)生成Memory-Augmented Generation項(xiàng)目其中的FluxMem模塊提出了一種連接演化式的 Agent 記憶框架它不再把記憶當(dāng)成一個只增不改的檢索池而是將語義事實(shí)、情景經(jīng)驗(yàn)、程序技能三類記憶建模為一張持續(xù)演化的異構(gòu)圖讓 Agent 在每次任務(wù)執(zhí)行中不斷織網(wǎng)在失敗時自動修復(fù)記憶拓?fù)湓陔x線時把經(jīng)驗(yàn)蒸餾為成熟技能。簡單說FluxMem 給了 Agent 一項(xiàng)自愈能力——記憶會生長、會糾錯、會沉淀而不會無限堆砌原始痕跡。為什么需要會自我修復(fù)的記憶傳統(tǒng)記憶系統(tǒng)普遍是一次性讀寫檢索一段、拼接進(jìn) Prompt、生成回答結(jié)束后記憶本身幾乎不再變化。隨著 Agent 長時間運(yùn)行這會導(dǎo)致兩個典型問題記憶是孤島事實(shí)、經(jīng)歷、技能分別存放在不同的扁平存儲中彼此缺乏關(guān)聯(lián)檢索時無法互相印證錯誤無法沉淀執(zhí)行失敗后Agent 學(xué)到的教訓(xùn)只存在于這一次對話里下次遇到同類問題還會再犯。FluxMem 的思路是把記憶看作連接Connectivity而不是條目Item。條目只是圖中的節(jié)點(diǎn)真正的價值在于節(jié)點(diǎn)之間不斷被建立、修剪、重塑的有類型邊——記憶因此成為一個可以持續(xù)演化的整體。三層節(jié)點(diǎn) × 三種邊一張圖看懂 FluxMem 記憶結(jié)構(gòu)FluxMem 的記憶基座是一個異構(gòu)圖G(V, E)包含3 類節(jié)點(diǎn)和3 類邊三類節(jié)點(diǎn)節(jié)點(diǎn)類型含義類比SemanticNode語義節(jié)點(diǎn)帶 embedding 的事實(shí)性知識塊Agent 的知識庫EpisodicNode情景節(jié)點(diǎn)任務(wù)執(zhí)行的觀察-動作軌跡Agent 的親歷記憶ProceduralNode程序節(jié)點(diǎn)從反復(fù)經(jīng)驗(yàn)中蒸餾出的可復(fù)用技能與推理模式Agent 的手藝節(jié)點(diǎn)定義見 nodes.py。三種邊邊類型方向作用GroundEdge語義 → 情景事實(shí)為情景步驟提供證據(jù)支撐DistillEdge情景 → 程序技能從反復(fù)出現(xiàn)的經(jīng)驗(yàn)中蒸餾而來StepLinkEdge任意 → 任意執(zhí)行期間建立的臨時步驟級連接可被后續(xù)階段編輯邊定義見 edges.py。這張帶類型的圖替代了傳統(tǒng)系統(tǒng)的扁平檢索池——檢索、精化、固化三個階段都運(yùn)行在同一個共享基座上這也是自愈得以發(fā)生的前提只有先知道哪里連錯了才談得上改哪里。三階段演化流水線建網(wǎng)、自愈、沉淀FluxMem 的記憶演化不是單步循環(huán)而是三條流水線協(xié)同工作核心調(diào)度見 agent.py階段一初始連接形成在線每步執(zhí)行在每個時間步Stage I 會做三件事語義檢索用向量相似度 BM25 LLM 校驗(yàn)的混合打分取出 Top-k 相關(guān)事實(shí)情景檢索用 embedding 相似度取出與當(dāng)前觀察最相似的過往任務(wù)軌跡技能繼承沿著DistillEdge把與相似情景關(guān)聯(lián)的程序技能一并帶上。三類節(jié)點(diǎn)被裝配成當(dāng)前步的初始子圖G_t再序列化為結(jié)構(gòu)化上下文用semantic_memory/episodic_memory/procedural_memory三段 XML 風(fēng)格組織交給 LLM 執(zhí)行任務(wù)。階段二反饋驅(qū)動的連接精化自愈核心任務(wù)執(zhí)行后如果失敗Stage II 會先用 LLM 對失敗原因做歸因attribute_failure然后按歸因結(jié)論對子圖做三種拓?fù)浼壥中g(shù)Link Expand連接擴(kuò)展歸因?yàn)樾畔⑷笔r擴(kuò)大檢索范圍補(bǔ)建缺失的連接??Link Prune連接剪枝歸因?yàn)榇嬖诟蓴_噪聲時剪掉相似度低于閾值的干擾邊Node Reshape節(jié)點(diǎn)重塑歸因?yàn)槌橄罅６炔黄ヅ鋾r替換/改寫節(jié)點(diǎn)內(nèi)容讓粒度對齊當(dāng)前任務(wù)。整個執(zhí)行 → 反饋 → 修圖 → 再執(zhí)行會循環(huán)直到任務(wù)成功或達(dá)到最大輪數(shù)max_refinement_rounds默認(rèn) 5 輪。這一步正是標(biāo)題里自愈技能的落點(diǎn)Agent 修復(fù)的不是答案而是記憶本身。階段三長期連接固化離線定期執(zhí)行在線積累的情景軌跡不能永遠(yuǎn)只存不改。Stage III 在離線時執(zhí)行長期固化情景聚類按語義相似度K-Means把相似任務(wù)軌跡聚成簇技能歸納讓 LLM 從每個簇中歸納出共享的可復(fù)用技能生成新的ProceduralNode并掛上DistillEdgePEMS 引導(dǎo)的迭代精煉反復(fù)驗(yàn)證并改寫技能直到 PEMS 分?jǐn)?shù)收斂技能才算畢業(yè)。PEMS給技能成熟度一個可量化的停止條件什么時候該停止改寫技能 固定迭代次數(shù)顯然不科學(xué)。FluxMem 引入了PEMSProcedure Evolution Maturity Score程序演化成熟度分?jǐn)?shù)作為收斂信號PEMS 源情景平均成功率 ÷ (技能節(jié)點(diǎn)數(shù) × ln(技能文本長度)) × (1 ? 相鄰兩版技能 embedding 的差異)直覺上它同時約束了三件事? 技能要真管用成功率高? 技能要夠精煉文本越長分母越大? 技能要夠穩(wěn)定版本間差異越小越好。當(dāng)連續(xù)兩輪的 PEMS 變化小于閾值pems_threshold默認(rèn) 0.01時即判定技能已成熟停止重寫。計(jì)算實(shí)現(xiàn)見 pems.py。這讓長期記憶第一次變得可測量框架自己決定何時收工而不是永遠(yuǎn)覆蓋?？刹灏魏蠖税?FluxMem 嵌入你的 Agent 系統(tǒng)FluxMem 默認(rèn)使用 OpenAI 的 LLM 與 embedding但同時暴露了三個抽象接口——BaseLLM、BaseEmbedder、BaseVectorStore見 interfaces/。你可以換成本地 LLM、自定義 embedding 模型或任意向量庫完全不需要改動圖結(jié)構(gòu)、三階段流水線和 PEMS 指標(biāo)。這種解耦讓 FluxMem 能輕松嵌入 LightMem 這類更大的 Agent 記憶系統(tǒng)?？焖偕鲜衷?LightMem 項(xiàng)目根目錄安裝可選依賴pip install -e .[fluxmem] export OPENAI_API_KEYyour_api_key之后導(dǎo)入fluxmem包即可初始化 Agent調(diào)用add_knowledge()注入事實(shí)知識run_task()執(zhí)行任務(wù)自動走階段一檢索 階段二精化再定期調(diào)用consolidate()完成階段三離線固化。完整示例見 FluxMem.md。常用配置速查配置集中在 FluxMemConfig參數(shù)默認(rèn)值說明top_k_semantic/top_k_episodic5 / 3語義 / 情景檢索的 Top-kmax_refinement_rounds5階段二最大自愈輪數(shù)num_clustersNone階段三聚類數(shù)None 為自動pems_threshold0.01PEMS 收斂閾值 εdense_weight/bm25_weight/llm_weight1.0 / 0.5 / 0.3混合檢索三路權(quán)重小結(jié)記憶從倉庫變成活的網(wǎng)絡(luò)FluxMem 的三個關(guān)鍵詞可以幫你記住它?異構(gòu)圖事實(shí)、經(jīng)歷、技能共居一張帶類型邊的圖檢索即遍歷自愈失敗歸因 擴(kuò)鏈/剪枝/重塑修復(fù)的是記憶拓?fù)涠菃未位卮鹂蓽y量PEMS 分?jǐn)?shù)讓技能成熟有了原則性的停止條件。對正在構(gòu)建長期 Agent 的同學(xué)FluxMem 提供了一個很好的范式參考記憶的價值不在于存了多少而在于連接如何演化。如果你想進(jìn)一步了解它在 LightMem 全家桶中的定位可以繼續(xù)閱讀 FluxMem.md 與 README.md。贊分享【免費(fèi)下載鏈接】LightMem[ICLR 2026] LightMem: Lightweight and Efficient Memory-Augmented Generation項(xiàng)目地址https://gitcode.com/gh_mirrors/li/LightMem點(diǎn)擊查看免費(fèi)下載相關(guān)推薦Pavex安全性考量如何構(gòu)建安全的API應(yīng)用Pavex安全性考量如何構(gòu)建安全的API應(yīng)用 Pavex是一個面向Rust專業(yè)人士的后端框架專注于幫助開發(fā)者構(gòu)建高性能、安全可靠的API應(yīng)用。在當(dāng)今數(shù)字化時后端Prismer Cloud 記憶層完全指南讓 AI Agent 擁有跨會話的持久記憶Prismer Cloud 記憶層完全指南讓 AI Agent 擁有跨會話的持久記憶 Prismer Cloud 記憶層Memory Layer 是VoltAgent持久記憶完全指南構(gòu)建擁有長期記憶的AI智能體 VoltAgent持久記憶完全指南構(gòu)建擁有長期記憶的AI智能體 VoltAgent是一個開源TypeScript AI智能體框架 package.js人工智能AI AgentAgent 框架后端多智能體RAG工具調(diào)用Agent 記憶Agent 工作流AI 評測MCP 服務(wù)MCP Clients語音創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 LightMem系列FluxMem：把記憶建模為持續(xù)演化的異構(gòu)圖，讓Agent擁有自愈技能
【免費(fèi)下載鏈接】LightMem[ICLR 2026] LightMem: Lightweight and Efficient Memory-Augmented Generation項(xiàng)目地址https://gitcode.com/gh_mirrors/li/LightMem點(diǎn)擊查看免費(fèi)下載LightMem 是 ICLR 2026 的輕量高效記憶增強(qiáng)生成Memory-Augmented Generation項(xiàng)目其中的FluxMem模塊提出了一種連接演化式的 Agent 記憶框架它不再把記憶當(dāng)成一個只增不改的檢索池而是將語義事實(shí)、情景經(jīng)驗(yàn)、程序技能三類記憶建模為一張持續(xù)演化的異構(gòu)圖讓 Agent 在每次任務(wù)執(zhí)行中不斷織網(wǎng)在失敗時自動修復(fù)記憶拓?fù)湓陔x線時把經(jīng)驗(yàn)蒸餾為成熟技能。簡單說FluxMem 給了 Agent 一項(xiàng)自愈能力——記憶會生長、會糾錯、會沉淀而不會無限堆砌原始痕跡。為什么需要會自我修復(fù)的記憶傳統(tǒng)記憶系統(tǒng)普遍是一次性讀寫檢索一段、拼接進(jìn) Prompt、生成回答結(jié)束后記憶本身幾乎不再變化。隨著 Agent 長時間運(yùn)行這會導(dǎo)致兩個典型問題記憶是孤島事實(shí)、經(jīng)歷、技能分別存放在不同的扁平存儲中彼此缺乏關(guān)聯(lián)檢索時無法互相印證錯誤無法沉淀執(zhí)行失敗后Agent 學(xué)到的教訓(xùn)只存在于這一次對話里下次遇到同類問題還會再犯。FluxMem 的思路是把記憶看作連接Connectivity而不是條目Item。條目只是圖中的節(jié)點(diǎn)真正的價值在于節(jié)點(diǎn)之間不斷被建立、修剪、重塑的有類型邊——記憶因此成為一個可以持續(xù)演化的整體。三層節(jié)點(diǎn) × 三種邊一張圖看懂 FluxMem 記憶結(jié)構(gòu)FluxMem 的記憶基座是一個異構(gòu)圖G(V, E)包含3 類節(jié)點(diǎn)和3 類邊三類節(jié)點(diǎn)節(jié)點(diǎn)類型含義類比SemanticNode語義節(jié)點(diǎn)帶 embedding 的事實(shí)性知識塊Agent 的知識庫EpisodicNode情景節(jié)點(diǎn)任務(wù)執(zhí)行的觀察-動作軌跡Agent 的親歷記憶ProceduralNode程序節(jié)點(diǎn)從反復(fù)經(jīng)驗(yàn)中蒸餾出的可復(fù)用技能與推理模式Agent 的手藝節(jié)點(diǎn)定義見 nodes.py。三種邊邊類型方向作用GroundEdge語義 → 情景事實(shí)為情景步驟提供證據(jù)支撐DistillEdge情景 → 程序技能從反復(fù)出現(xiàn)的經(jīng)驗(yàn)中蒸餾而來StepLinkEdge任意 → 任意執(zhí)行期間建立的臨時步驟級連接可被后續(xù)階段編輯邊定義見 edges.py。這張帶類型的圖替代了傳統(tǒng)系統(tǒng)的扁平檢索池——檢索、精化、固化三個階段都運(yùn)行在同一個共享基座上這也是自愈得以發(fā)生的前提只有先知道哪里連錯了才談得上改哪里。三階段演化流水線建網(wǎng)、自愈、沉淀FluxMem 的記憶演化不是單步循環(huán)而是三條流水線協(xié)同工作核心調(diào)度見 agent.py階段一初始連接形成在線每步執(zhí)行在每個時間步Stage I 會做三件事語義檢索用向量相似度 BM25 LLM 校驗(yàn)的混合打分取出 Top-k 相關(guān)事實(shí)情景檢索用 embedding 相似度取出與當(dāng)前觀察最相似的過往任務(wù)軌跡技能繼承沿著DistillEdge把與相似情景關(guān)聯(lián)的程序技能一并帶上。三類節(jié)點(diǎn)被裝配成當(dāng)前步的初始子圖G_t再序列化為結(jié)構(gòu)化上下文用semantic_memory/episodic_memory/procedural_memory三段 XML 風(fēng)格組織交給 LLM 執(zhí)行任務(wù)。階段二反饋驅(qū)動的連接精化自愈核心任務(wù)執(zhí)行后如果失敗Stage II 會先用 LLM 對失敗原因做歸因attribute_failure然后按歸因結(jié)論對子圖做三種拓?fù)浼壥中g(shù)Link Expand連接擴(kuò)展歸因?yàn)樾畔⑷笔r擴(kuò)大檢索范圍補(bǔ)建缺失的連接??Link Prune連接剪枝歸因?yàn)榇嬖诟蓴_噪聲時剪掉相似度低于閾值的干擾邊Node Reshape節(jié)點(diǎn)重塑歸因?yàn)槌橄罅６炔黄ヅ鋾r替換/改寫節(jié)點(diǎn)內(nèi)容讓粒度對齊當(dāng)前任務(wù)。整個執(zhí)行 → 反饋 → 修圖 → 再執(zhí)行會循環(huán)直到任務(wù)成功或達(dá)到最大輪數(shù)max_refinement_rounds默認(rèn) 5 輪。這一步正是標(biāo)題里自愈技能的落點(diǎn)Agent 修復(fù)的不是答案而是記憶本身。階段三長期連接固化離線定期執(zhí)行在線積累的情景軌跡不能永遠(yuǎn)只存不改。Stage III 在離線時執(zhí)行長期固化情景聚類按語義相似度K-Means把相似任務(wù)軌跡聚成簇技能歸納讓 LLM 從每個簇中歸納出共享的可復(fù)用技能生成新的ProceduralNode并掛上DistillEdgePEMS 引導(dǎo)的迭代精煉反復(fù)驗(yàn)證并改寫技能直到 PEMS 分?jǐn)?shù)收斂技能才算畢業(yè)。PEMS給技能成熟度一個可量化的停止條件什么時候該停止改寫技能 固定迭代次數(shù)顯然不科學(xué)。FluxMem 引入了PEMSProcedure Evolution Maturity Score程序演化成熟度分?jǐn)?shù)作為收斂信號PEMS 源情景平均成功率 ÷ (技能節(jié)點(diǎn)數(shù) × ln(技能文本長度)) × (1 ? 相鄰兩版技能 embedding 的差異)直覺上它同時約束了三件事? 技能要真管用成功率高? 技能要夠精煉文本越長分母越大? 技能要夠穩(wěn)定版本間差異越小越好。當(dāng)連續(xù)兩輪的 PEMS 變化小于閾值pems_threshold默認(rèn) 0.01時即判定技能已成熟停止重寫。計(jì)算實(shí)現(xiàn)見 pems.py。這讓長期記憶第一次變得可測量框架自己決定何時收工而不是永遠(yuǎn)覆蓋?？刹灏魏蠖税?FluxMem 嵌入你的 Agent 系統(tǒng)FluxMem 默認(rèn)使用 OpenAI 的 LLM 與 embedding但同時暴露了三個抽象接口——BaseLLM、BaseEmbedder、BaseVectorStore見 interfaces/。你可以換成本地 LLM、自定義 embedding 模型或任意向量庫完全不需要改動圖結(jié)構(gòu)、三階段流水線和 PEMS 指標(biāo)。這種解耦讓 FluxMem 能輕松嵌入 LightMem 這類更大的 Agent 記憶系統(tǒng)?？焖偕鲜衷?LightMem 項(xiàng)目根目錄安裝可選依賴pip install -e .[fluxmem] export OPENAI_API_KEYyour_api_key之后導(dǎo)入fluxmem包即可初始化 Agent調(diào)用add_knowledge()注入事實(shí)知識run_task()執(zhí)行任務(wù)自動走階段一檢索 階段二精化再定期調(diào)用consolidate()完成階段三離線固化。完整示例見 FluxMem.md。常用配置速查配置集中在 FluxMemConfig參數(shù)默認(rèn)值說明top_k_semantic/top_k_episodic5 / 3語義 / 情景檢索的 Top-kmax_refinement_rounds5階段二最大自愈輪數(shù)num_clustersNone階段三聚類數(shù)None 為自動pems_threshold0.01PEMS 收斂閾值 εdense_weight/bm25_weight/llm_weight1.0 / 0.5 / 0.3混合檢索三路權(quán)重小結(jié)記憶從倉庫變成活的網(wǎng)絡(luò)FluxMem 的三個關(guān)鍵詞可以幫你記住它?異構(gòu)圖事實(shí)、經(jīng)歷、技能共居一張帶類型邊的圖檢索即遍歷自愈失敗歸因 擴(kuò)鏈/剪枝/重塑修復(fù)的是記憶拓?fù)涠菃未位卮鹂蓽y量PEMS 分?jǐn)?shù)讓技能成熟有了原則性的停止條件。對正在構(gòu)建長期 Agent 的同學(xué)FluxMem 提供了一個很好的范式參考記憶的價值不在于存了多少而在于連接如何演化。如果你想進(jìn)一步了解它在 LightMem 全家桶中的定位可以繼續(xù)閱讀 FluxMem.md 與 README.md。贊分享【免費(fèi)下載鏈接】LightMem[ICLR 2026] LightMem: Lightweight and Efficient Memory-Augmented Generation項(xiàng)目地址https://gitcode.com/gh_mirrors/li/LightMem點(diǎn)擊查看免費(fèi)下載相關(guān)推薦Pavex安全性考量如何構(gòu)建安全的API應(yīng)用Pavex安全性考量如何構(gòu)建安全的API應(yīng)用 Pavex是一個面向Rust專業(yè)人士的后端框架專注于幫助開發(fā)者構(gòu)建高性能、安全可靠的API應(yīng)用。在當(dāng)今數(shù)字化時后端Prismer Cloud 記憶層完全指南讓 AI Agent 擁有跨會話的持久記憶Prismer Cloud 記憶層完全指南讓 AI Agent 擁有跨會話的持久記憶 Prismer Cloud 記憶層Memory Layer 是VoltAgent持久記憶完全指南構(gòu)建擁有長期記憶的AI智能體 VoltAgent持久記憶完全指南構(gòu)建擁有長期記憶的AI智能體 VoltAgent是一個開源TypeScript AI智能體框架 package.js人工智能AI AgentAgent 框架后端多智能體RAG工具調(diào)用Agent 記憶Agent 工作流AI 評測MCP 服務(wù)MCP Clients語音創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考