详细介绍
General Agentic Memory（GAM）是为智能体设计的一套通用记忆框架，采用 Just-in-Time（JIT）记忆优化，在运行时对上下文进行深度研究与筛选，从原始会话中构建高价值的记忆事件并动态供给智能体使用。GAM 通过 Memorizer 与 Researcher 双智能体协作，实现记忆构建、迭代检索与反思式总结，从而在多项长上下文基准上取得优异表现。
主要特性
- JIT 记忆优化：运行时检索并合成高效上下文，降低不必要的预处理开销。
- 双智能体架构：Memorizer 与 Researcher 协同完成记忆构建与深度检索。
- 模块化设计：支持多种检索器、嵌入与生成器插件，易于与现有智能体集成。
- 可复现实验：提供评估套件以重现论文中的 LoCoMo、HotpotQA、RULER 与 NarrativeQA 基准结果。
使用场景
- 智能体记忆增强：为对话型或代理型系统提供长期且上下文相关的记忆支持。
- 研究与基准复现：用于对记忆系统性能进行基准测试与比较研究。
- 混合部署：支持在本地与云端结合的实验与生产环境中运行。
技术特点
- 多检索策略：支持稠密向量检索与基于关键词的 BM25 混合策略。
- 跨模型兼容：与多种生成器（如 OpenAI、vLLM 等）兼容，支持云端与本地模型。
- 评估驱动：内置统一的评估框架与脚本，便于重现实验并复现论文指标。
- 开源许可：采用 MIT 许可，便于研究者与工程团队复用与扩展。