收藏必备！Memento框架：让大模型智能体在实践中成长，而非重复训练

Memento是一种创新的大模型智能体框架，通过记忆与经验累积而非梯度更新实现智能体成长。它采用Planner-Executor循环和案例记忆库架构，使智能体能够从自身经历中学习，在部署中持续进化。该框架支持丰富的工具生态，在多项基准测试中表现优异，为研究助理、政策分析等场景提供了可落地方案。开发者可通过简单配置实现"用中学习"的智能体，无需重新训练模型即可实现能力提升。

学编程的头没秃

330人浏览 · 2025-12-12 19:01:31

学编程的头没秃 · 2025-12-12 19:01:31 发布

Memento：让大模型智能体靠记忆成长，而非梯度更新

如果一个智能体能像人一样从经验中学习，而不是反复被训练，它会是什么样？ Memento 给出了答案。

一、为什么需要 Memento

如今的大模型智能体看起来越来越强，但它们有个致命短板：健忘。每次任务都是新的开始——它不会记得上次为什么错、也不记得哪种策略有效。

过去的解决方案，要么成本高，要么学得浅。

微调（Fine-tuning）需要海量显卡与训练周期；
检索增强生成（RAG）能补充外部知识，却无法让模型从自身经历中学习。

Memento 换了个思路。它不动模型权重，而是通过记忆与经验累积，让智能体在使用中逐步成长。核心理念是：让学习发生在记忆层，而不是参数层。

二、核心机制：记忆胜于梯度

Memento 把“让智能体变聪明”重新定义为一个记忆驱动的在线学习过程。它主要由两部分循环组成：

Planner–Executor 循环：规划器（Planner）将任务拆解成子任务，并从记忆中检索类似案例；执行器（Executor）执行子任务、调用工具、记录结果。
案例记忆库（Case Bank）：保存智能体的经历，就像强化学习中的 (状态, 行动, 奖励)。下次遇到相似任务时，直接借鉴成功经验，避免重蹈覆辙。

这里没有反向传播、没有梯度更新，模型（如 GPT-4.1 或 o3）保持冻结。智能体的提升全靠记忆的积累与选择策略的优化。这意味着它可以在部署中持续学习，不用重新训练。

三、架构与工作原理

Memento 框架由四个关键模块构成：

Meta-Planner（元规划器）：负责任务拆解与策略规划（通常使用 GPT-4.1）。
Executor（执行器）：执行具体子任务，调用工具并反馈结果（通常使用 o3 模型）。
Case Memory（记忆库）：保存任务经历，并在相似任务中检索参考。
MCP 工具层：提供搜索、代码执行、文档解析、音视频处理等功能。

整个智能体的执行流是：Planner → Executor → Tools → Case Bank → Improved Agent

Memento 的强大之处在于，它的工具生态完全开放。开发者可以轻松添加自定义功能，只需实现一个 FastMCP 服务即可。

四、工具生态：让智能体“能干事”

MCP 工具层让智能体能处理几乎所有类型的任务：

网络搜索（SearxNG、SerpAPI）
文档解析（PDF、Office、图片、音视频）
代码执行（安全的 Docker 环境）
数据分析（Excel、数学求解）
多媒体理解（图像描述、视频摘要、音频转录）

这种模块化架构使得 Memento 能在研究助理、政策分析、客服系统等场景中迅速落地。

五、性能验证：会用的越多，越聪明

Memento 在多个标准测试中表现优异：

Benchmark	结果
GAIA	87.9%（验证集） / 79.4%（测试集，Pass@3 Top-1）
DeepResearcher	F1 66.6% / PM 80.4%，在分布外数据上提升 4.7–9.6
SimpleQA	95.0% 准确率
HLE（Humanity’s Last Exam）	24.4% PM（接近 GPT-5 的 25.3%）

实验还发现：

小规模、高质量的记忆库最有效（检索 K=4）；
结构化计划明显优于冗长反思；
结合“规划 + 案例推理”的智能体，一贯优于只靠自省的模型。

结果说明，Memento 的智能体能随着经验积累自我进化，而非停留在初始状态。

六、快速上手指南

要运行 Memento，准备以下环境：

Python 3.11+
OpenAI 兼容 API Key
搜索接口（SearxNG 或 SerpAPI）
FFmpeg（用于视频处理）

安装过程非常直接：

git clone https://github.com/Agent-on-the-Fly/Mementocd Mementocurl -LsSf https://astral.sh/uv/install.sh | shuv syncsource .venv/bin/activate

系统依赖安装（macOS / Linux / Windows）：

brew install ffmpegsudo apt-get install ffmpegconda install -c conda-forge ffmpeg

环境变量配置 .env：

OPENAI_API_KEY=你的_openai_keyOPENAI_BASE_URL=https://api.openai.com/v1CHUNKR_API_KEY=...JINA_API_KEY=...ASSEMBLYAI_API_KEY=...

运行交互式智能体：

python client/agent.py

使用示例：打造一个“会学习”的研究助理

from deepagents import create_deep_agentinstructions = """你是一名研究专家。请规划任务、调用工具，并从过往案例中学习。"""agent = create_deep_agent(    tools=[internet_search],    instructions=instructions)result = agent.invoke({  "messages": [{"role": "user", "content": "总结印度央行最近发布的公告"}]})print(result["messages"][-1]["content"])

下一次提问类似问题时，智能体会自动检索之前的案例，给出更快、更准的答案。这就是“用中学习”的真实体现。

七、实用建议与未来展望

Memento 的实用性很高，但想用好也有一些经验之谈：

记忆库不宜过大，宁精勿多，可定期清理低质量案例；
涉及代码执行时应使用 Docker 沙箱；
控制 Token 成本，可用“查询感知爬虫”压缩网页内容；
架构上推荐：Planner 用 GPT-4.1，Executor 用 o-mini，兼顾效果与成本；
涉及文件写入、网络访问等操作时最好设“人工审批”开关。

当然，Memento 也还存在挑战。长链条任务（如 GAIA Level-3）依旧困难；对最新知识的掌握也受限于外部工具。未来版本计划加入更强的案例推理、更个性化的用户记忆、更丰富的工具生态和更广泛的基准测试。

它不是在训练模型，而是在培养智能体。随着经验的积累，Memento 智能体能在真实使用中持续进化。

Memento 带来了一个重要转变：智能体的“学习”不再依赖参数更新，而是靠记忆、经验和推理机制自我完善。

对于那些想构建研究助理、知识顾问、政策分析系统或企业客服的开发者来说，Memento 是一个真正可以落地的方案，让智能体不仅能“回答问题”，还能在实践中成长。

AI时代，未来的就业机会在哪里？

答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。

在这里插入图片描述

掌握大模型技能，就是把握高薪未来。

那么，普通人如何抓住大模型风口？

AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。

因此，这里给大家整理了一份《2025最新大模型全套学习资源》，包括2025最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题等，带你从零基础入门到精通，快速掌握大模型技术！

由于篇幅有限，有需要的小伙伴可以扫码获取！

在这里插入图片描述

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。
在这里插入图片描述

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

在这里插入图片描述

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

在这里插入图片描述

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

在这里插入图片描述

5. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

在这里插入图片描述

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

在这里插入图片描述

为什么大家都在学AI大模型？

随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。

同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！

在这里插入图片描述

这些资料有用吗？

这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

在这里插入图片描述