本文是一篇关于AI Agent记忆系统的权威综述由NUS、人大、复旦等多所高校联合完成。采用形态-功能-动力学三维框架分析200论文提出Token-level、Parametric、Latent三大记忆形态取代传统二分法。系统阐述记忆形成、演化与检索的完整生命周期展望生成式记忆、自动记忆管理等七大前沿方向并提供Benchmark与开源框架资源为AI Agent记忆研究提供全面参考。前排提示文末有大模型AGI-CSDN独家资料包哦大家好我是PaperAgent不是Agent分享今年看到最系统最新的Agents Memory综述NUS人大复旦北大同济等联合出品《Memory in the Age of AI Agents: A Survey》用“形态-功能-动力学”三维框架把 200 篇最新论文一次讲透。提出新三大记忆形态Token-level / Parametric / Latent取代传统“长-短期记忆”二分法。展望7 大前沿生成式记忆、自动记忆管理、RL 驱动、多模态、多 Agent 共享、世界模型、可信记忆。1 为什么需要“Agent 记忆”图 1 给出一张“地图”把 200 方法按形态 功能 动态一次定位LLM 再强也怕“金鱼脑”——上下文一断就失忆。把 LLM 包装成能持续交互、自我进化的 Agent必须外挂一块可读写、可增长、可遗忘的记忆体。2 预备知识Agent 与记忆的形式化图 2 用韦恩图厘清Agent Memoryvs **LLM Memory **vsRAGvsContext Engineering作者先把 Agent 抽象成部分可观测马尔可夫博弈再把记忆定义为三元组运算符FormationF把原始交互 φ_t 提炼成记忆单元EvolutionE合并、去重、纠错、遗忘RetrievalR按需查询3 形态篇记忆到底“长”什么样图 3 把Token-level再细拆成 1D-Flat / 2D-Planar / 3D-Hierarchical形态载体可读性更新成本典型场景Token-level文本、JSON、Graph人类可读低对话机器人、法律审计ParametricLoRA、Adapter不可读中角色扮演、代码生成LatentKV-cache、Embedding机器可读极低端侧部署、多模态流表 1 给出 60 代表性方法的横向对比多模态、任务、结构4 功能篇Agent 到底“用”记忆做什么图 6 给出功能-时间双轴全景把“为什么记”拆成三大职能Factual Memory——“我知道什么”用户画像、文档状态、世界知识。Experiential Memory——“我学会什么”成功/失败轨迹 → 策略 → 可执行技能。Working Memory——“我现在想什么”单轮压缩、多轮状态折叠、计划缓存。experiential memory范式表 4-6 分别对应三大功能的 100 方法速查表5 动力学篇记忆如何“动”起来完整生命周期 形成 → 演化 → 检索闭环用一张“地铁图”串起 30 操作符Formation五板斧语义摘要、知识蒸馏、结构化、潜空间编码、参数内化。Evolution三件套合并Consolidate、更新Update、遗忘Forget。Retrieval四步曲触发时机 → 查询构造 → 检索策略 → 后处理。图 9 记忆演化机制蓝图图 10 agentic系统中检索方法6 资源篇Benchmark 开源框架速览表 8 汇总 30 个记忆/终身学习/自演化评测集表 9 对比 20 开源框架MemGPT / Mem0 / Zep / MemOS …7 前沿篇7 大风向标生成式记忆 检索式记忆不再“查什么用什么”而是“缺什么生什么”。自动记忆管理把“写/删/改”做成 Agent 可调用的 Tool让 LLM 自己管自己。RL 全面接管记忆策略从“人工拍阈值”到“策略网络端到端优化”。多模态记忆视频、音频、传感器流统一进 Embedding 空间。多 Agent 共享记忆角色-权限-隐私三权分立防止“集体幻觉”。世界模型内存从“缓存帧”到“可查询状态模拟器”。可信记忆差分隐私、可验证遗忘、审计日志、用户级 GDPR 擦除。Memory in the Age of AI Agents: A Survey Forms, Functions and Dynamicshttps://github.com/Shichun-Liu/Agent-Memory-Paper-Listhttps://arxiv.org/pdf/2512.13564读者福利倘若大家对大模型感兴趣那么这套大模型学习资料一定对你有用。针对0基础小白如果你是零基础小白快速入门大模型是可行的。大模型学习流程较短学习内容全面需要理论与实践结合学习计划和方向能根据资料进行归纳总结包括大模型学习线路汇总、学习阶段大模型实战案例大模型学习视频人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】AI大模型学习路线汇总大模型学习路线图整体分为7个大的阶段全套教程文末领取哈第一阶段从大模型系统设计入手讲解大模型的主要方法第二阶段在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用第三阶段大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统第四阶段大模型知识库应用开发以LangChain框架为例构建物流行业咨询智能问答系统第五阶段大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型第六阶段以SD多模态大模型为主搭建了文生图小程序案例第七阶段以大模型平台应用与开发为主通过星火大模型文心大模型等成熟大模型构建大模型行业应用。大模型实战案例光学理论是没用的要学会跟着一起做要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。大模型视频和PDF合集这里我们能提供零基础学习书籍和视频。作为最快捷也是最有效的方式之一跟着老师的思路由浅入深从理论到实操其实大模型并不难。学会后的收获• 基于大模型全栈工程实现前端、后端、产品经理、设计、数据分析等通过这门课可获得不同能力• 能够利用大模型解决相关实际项目需求大数据时代越来越多的企业和机构需要处理海量数据利用大模型技术可以更好地处理这些数据提高数据分析和决策的准确性。因此掌握大模型应用开发技能可以让程序员更好地应对实际项目需求• 基于大模型和企业数据AI应用开发实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能学会Fine-tuning垂直训练大模型数据准备、数据蒸馏、大模型部署一站式掌握• 能够完成时下热门大模型垂直领域模型训练能力提高程序员的编码能力大模型应用开发需要掌握机器学习算法、深度学习框架等技术这些技术的掌握可以提高程序员的编码能力和分析能力让程序员更加熟练地编写高质量的代码。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】