换个对话,还要重讲一遍?Nexent 如何实现记忆和上下文管理

本文详解Nexent如何实现智能体的记忆机制,涵盖短期记忆的写入与语义检索、长期记忆的版本化管理及Dreaming后台归纳机制,并介绍长对话中的上下文压缩与结构化摘要技术,提升多轮协作中信息复用与上下文连贯性。

换个对话,还要重讲一遍?Nexent 如何实现记忆和上下文管理

整理社区体验营资料时,我们请文档梳理助手用「一分钟速览」「待拍板」「下一步动作」三个小标题写纪要。下一次整理的是社区交流会,活动资料换了,这套格式依然适用。另开一个对话时,怎么让智能体自己用上这个习惯?

还有一种情况。团队一直在同一个对话里筹备活动,开了几轮会,先后确认了直播形式、对外口径和分工。聊到后面,智能体又该怎么用上这些已经敲定的信息?

一、Agent 为什么需要记忆

模型在每一轮能直接参考的是这次请求提供的上下文。用户的问题、对话历史、任务指令和工具结果,都是上下文的一部分。

需要反复协作时,写作偏好、团队口径和纠错经验都可能在下一次任务里用到。Agent 系统可以把这些信息整理成简短的记忆记录。收到新任务后,再挑出相关记录,与本轮问题和资料一起交给模型。

这里有两条路径。换到新对话时,记忆让智能体能取用之前保存的背景。同一个对话越聊越长时,上下文压缩把较早的讨论整理成摘要,让后续轮次仍能接上进展。
在这里插入图片描述

二、短期记忆怎么写入,又怎么找回

在一轮正式对话接近结束时,Nexent 会判断其中有没有值得留到以后使用的信息,比如用户偏好、已经确认的结论或一次纠错。提炼出的内容以简短条目保存,关联当前用户、智能体和来源对话。在「智能体」记忆页,用户可以搜索记录、查看来源,也可以编辑、归档或删除。

以纪要为例,Nexent 记下的是「整理活动资料时偏好使用这三个小标题」。打开来源对话,还能回看这条记录从哪里来。
在这里插入图片描述
另开对话时,Nexent 用本轮问题做语义检索。它通过向量模型找到意思相关的记录,再综合相关程度和时间因素排序,减少相似条目带来的重复,并控制进入上下文的篇幅。检索到的偏好会和新资料一起交给智能体。演示中,我们只给了社区交流会的材料,助手沿用了上次的纪要格式。

观看演示视频|新对话沿用上次的纪要格式

三、长期记忆怎么形成,Dreaming 在做什么

有些信息适合长期维护。比如,团队统一的对外用语可以写入租户记忆,个人希望技术推文先说明读者遇到的问题,可以写入用户记忆。两类长期记忆都按版本保存。智能体运行时会读取生效版本,有权限的用户也能回看历史版本并按需切换。
在这里插入图片描述
短期记忆也可以成为长期记忆的素材。Dreaming 这个名字可以用睡眠中的记忆整理来理解。想象工作时随手写下便签,忙完后再把反复翻到的几条收进常用手册。OpenClaw 把这类后台整理称为 Dreaming,其中的 Deep Sleep 阶段负责筛选适合长期保留的条目。Nexent 的候选评分实现采用与这套 Deep Sleep 规则兼容的设计。

Nexent 会看一条短期记忆被找回过多少次、是否在不同问题中用得上,以及近期的使用情况。候选达到门槛后,系统再结合已有长期记忆归纳内容,形成新的用户记忆版本。例如,一个格式偏好如果只在一次活动里出现,可以先作为智能体记忆保存。以后整理不同活动时反复用到它,它就有机会成为用户长期记忆。Dreaming 可以手动执行,也可以按计划运行。

在这里插入图片描述

四、同一个对话太长了,怎么接着做

模型的上下文窗口要同时容纳输入和输出。Nexent 会先为回答留出空间,再判断历史消息和当前任务是否接近可用的输入预算。达到压缩条件时,平台选取较早且已完成的对话轮次,生成结构化摘要,重点保留任务目标、关键决定、已完成的工作和待办。后续轮次可以带着摘要、近期消息和当前问题继续运行。再次触发压缩时,系统还可以把已有摘要与新增的较早轮次合并更新。

例如,社区交流会在前几轮已经定下线上直播,报名时间还待确认。讨论到嘉宾安排和彩排时,摘要可以保留这些关键口径,近期的讨论则继续提供具体细节。触发后,可以展开「上下文已压缩」查看摘要。

结语

在 Nexent,团队可以按使用范围维护值得反复用到的背景,智能体也能在一次任务中把相关记忆、历史和新信息组织起来。这样,新的对话能用上以前积累的经验,持续推进的任务也能保留关键进展。每次和智能体协作,可以从眼下要解决的问题说起。

参考资料

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值