为 AI 智能体设计记忆机制：揭秘 LinkedIn 的认知记忆智能体

LinkedIn 推出认知记忆智能体（CMA），作为其生成式 AI 技术栈的组成部分，通过三层记忆架构解决大语言模型缺乏状态记忆的核心问题，实现跨会话的连贯交互与个性化体验。

本文介绍了 LinkedIn 推出的认知记忆智能体（Cognitive Memory Agent，CMA），旨在解决大语言模型工作流中缺乏状态记忆、无法跨会话保持连贯交互的核心问题。CMA 充当应用智能体与底层语言模型之间的共享记忆基础设施层，实现记忆的持久化存储、检索与更新。其架构将记忆划分为三个层级：情景记忆捕获交互历史与对话事件，语义记忆存储从交互中提炼的结构化知识，程序记忆对已习得的工作流程与行为模式进行编码。CMA 在多智能体系统中扮演关键角色，提供共享记忆底座，减少状态冗余，提升协作效率。系统集成了多种检索与生命周期管理机制，包括近期上下文检索、语义搜索和记忆压缩。文章还讨论了持久化记忆系统带来的工程挑战，如相关性排序、过期内容管理和上下文一致性维护，以及 LinkedIn 在招聘等场景中引入的人工校验机制。

- LinkedIn 推出 CMA 解决 LLM 缺乏状态记忆的核心问题。 CMA 作为共享记忆基础设施层，实现记忆的持久化存储、检索与更新，使智能体能够跨会话保持连贯交互，减少冗余推理，提供个性化体验。

- 记忆是构建生产级智能体最具挑战性、同时也最具价值的核心模块之一，它能够实现真正的个性化、交互连续性与规模化适配。

• 优秀的智能体 AI 不是无状态的：它会记忆、适应与积累。实现这一目标的核心能力之一便是突破上下文窗口限制的记忆能力。
• 缓存失效是计算机科学中公认的难题之一，很高兴你们明确提出了这一点。提取这类记忆的挑战在于如何准确识别情景边界、处理内容时效性和解决冲突。

AI 初评：87

来源：InfoQ 中文

作者：InfoQ 中文

分类：人工智能

语言：中文

阅读时间：7 分钟

字数：1621

标签： 认知记忆智能体, LinkedIn, AI 智能体, 记忆架构, 大语言模型

阅读完整文章