A-Mem：让LLM智能体拥有"会思考"的记忆系统

📖 论文标题：A-Mem: Agentic Memory for LLM Agents
👥 作者：Wujiang Xu, Zujie Liang, Kai Mei, Hang Gao, Juntao Tan, Yongfeng Zhang
🏫 机构：Rutgers University, Ant Group, Salesforce Research
📅 发表：NeurIPS 2025
🔗 代码：https://github.com/WujiangXu/AgenticMemory

---

🎯 一句话总结

A-Mem 借鉴德国社会学家卢曼的"卡片盒笔记法"，为LLM智能体设计了一套能自主构建、动态链接、持续进化的记忆系统，让智能体不再只是"死记硬背"，而是像人类一样建立起有机的知识网络。

---

📖 问题背景：智能体的"记忆困境"

想象你是一个客服智能体，用户问你："我上周说的那个缓存问题解决了吗？“如果你只能机械地搜索"缓存"这个关键词，大概率会返回一堆不相关的技术文档。但如果你能像人类一样，把"这个用户”+“上周”+“缓存问题”+"他当时在做的项目"这些信息有机关联起来，回答就会精准得多。

这就是当前LLM智能体记忆系统面临的核心问题。

什么是LLM Agent的记忆系统？

在深入A-Mem之前，先厘清几个基本概念。LLM Agent的记忆系统通常分为三层：

记忆类型	存储内容	持续时间	类比
工作记忆	当前对话上下文	一次对话	你正在处理的任务
情景记忆	历史交互记录	长期	你的经历和回忆
语义记忆	结构化知识	永久	你学到的知识

A-Mem主要关注的是情景记忆——如何有效地存储、组织和检索历史交互信息。

传统记忆系统的困境

图1：传统记忆系统只提供简单的读写接口，智能体与记忆之间是"死"的交互

传统记忆系统的三大痛点：

痛点	具体表现	类比
存储机械化	记忆只是原始对话的堆砌，缺乏结构化处理	像把书随便堆在地上，而不是放进书架
检索单一化	仅靠关键词或向量相似度匹配，缺乏语义理解	像只会按书名找书，不懂内容关联
结构固定化	预设的图数据库schema难以适应不同任务	像用固定格式的表格记录所有事情

即便是MemGPT这类尝试引入图数据库的系统，也存在一个根本性问题：它们的记忆结构是人为预设的，而不是根据实际交互动态演化的。这就像让你用一套固定的文件夹分类法整理所有笔记——对某些内容很有效，对另一些则完全不适用。

以MemGPT为例，它借鉴操作系统的虚拟内存概念，设计了主上下文（Main Context）和外部上下文（External Context）两层结构。智能体可以主动管理信息在两层之间的流动。这个思路很有创意，但问题在于：信息的组织方式是固定的，智能体只能决定"放哪里"，不能决定"怎么理解"。

---

🧠 核心思想：向卢曼学习"笔记的艺术"

A-Mem的灵感来源于德国社会学家尼克拉斯·卢曼（Niklas Luhmann）的卡片盒笔记法（Zettelkasten）。

卢曼一生发表了70多本书和400多篇论文，他的秘诀就是这套独特的笔记系统。核心原则很简单：

1. 原子性：每张卡片只记录一个想法
2. 链接性：卡片之间通过编号相互引用，形成网络
3. 进化性：新卡片会促使你重新审视和更新旧卡片

图2：A-Mem不是被动的存储器，而是能主动组织、链接、进化记忆的"智能助手"

A-Mem把这套方法论迁移到了LLM智能体的记忆系统中。它不是简单地存储对话历史，而是：

• 为每条记忆生成结构化的笔记（包含关键词、标签、上下文描述）
• 自动分析新旧记忆之间的语义关联并建立链接
• 当新记忆加入时，触发相关旧记忆的更新

这样一来，记忆系统就从一个"死"的数据库，变成了一个能自我组织、持续进化的"知识网络"。

---

🏗️ 方法详解：A-Mem的四大核心机制

图3：A-Mem完整工作流程——从笔记构建、链接生成、记忆进化到检索使用

这张图展示了A-Mem的完整工作流。用一个具体例子来走一遍这个流程：

假设用户在第一次对话中问："能帮我实现一个缓存系统吗？需要支持内存和磁盘存储。"一周后，用户又说：“缓存系统运行得不错，但生产环境内存占用太高，能加个LRU淘汰策略吗？”

机制一：笔记构建（Note Construction）

当第一次对话结束后，A-Mem不是直接存储原始文本，而是调用LLM生成一张结构化的"笔记卡片"：

# 笔记结构示意
note = {
    "content": "用户需要实现支持内存和磁盘的缓存系统",  # 原始内容
    "timestamp": "2025-01-18",                           # 时间戳
    "keywords": ["缓存系统", "内存存储", "磁盘存储"],    # LLM生成的关键词
    "tags": ["后端开发", "存储优化", "系统设计"],        # LLM生成的标签
    "context": "用户正在开发一个Web应用，需要混合存储的缓存方案，可能涉及性能优化需求",  # 上下文描述
    "embedding": [0.12, -0.34, ...],                     # 语义向量
    "links": []                                          # 关联记忆
}

关键在于那个context字段。它不是对原始内容的复述，而是LLM对这条记忆潜在意义的理解——用户可能后续会有性能优化需求。这种"超出字面意思的理解"是A-Mem区别于传统系统的核心。

机制二：链接生成（Link Generation）

当第二次对话到来时，A-Mem会：

1. 先用语义向量检索Top-k个相关的历史记忆
2. 然后让LLM分析新记忆与候选记忆之间是否存在有意义的关联
3. 建立链接关系

# 链接分析的提示词（简化版）
prompt = """
新记忆：用户希望为缓存系统添加LRU淘汰策略，解决内存占用问题

候选历史记忆：
1. 用户需要实现支持内存和磁盘的缓存系统（标签：后端开发、存储优化）
2. 用户在讨论数据库连接池的配置...
3. 用户询问了Redis集群的部署方案...

请分析新记忆与哪些候选记忆存在实质性关联，并说明关联原因。
"""

这里的关键不是简单的相似度匹配。LLM会判断记忆1和新记忆讲的是同一个项目的不同阶段，而记忆2、3虽然也涉及存储，但属于不同的技术场景。

机制三：记忆进化（Memory Evolution）

这是A-Mem最独特的地方。当新记忆与历史记忆建立链接后，系统会考虑是否需要更新历史记忆。

继续上面的例子，原来的记忆1变成了：

note_updated = {
    "content": "用户需要实现支持内存和磁盘的缓存系统",
    "keywords": ["缓存系统", "内存存储", "磁盘存储", "LRU", "内存优化"],  # 新增关键词
    "tags": ["后端开发", "存储优化", "系统设计", "性能调优"],            # 新增标签
    "context": "用户正在开发一个Web应用的缓存模块，已从基础实现进入性能优化阶段，当前关注点是内存管理",
    "links": [note_2_id]  # 建立链接
}

这种进化机制让记忆网络能够持续精炼——旧的记忆不再是静态的历史档案，而是会随着新信息的加入不断完善自己的描述。

用人类的记忆做类比：你第一次见某个人，只记得"他是做技术的"；后来你们聊过几次，你的记忆会自动更新成"他是做后端的，最近在搞性能优化，人挺nice"。A-Mem模拟的就是这种记忆的动态演化过程。

机制四：记忆检索（Memory Retrieval）

检索阶段相对简单：给定查询 $q$，系统首先将其编码为语义向量 $e_q$，然后计算与所有记忆笔记的余弦相似度：

$$\text{sim}(q,m_i)=\frac{e_q\cdot e_i}{\Vert e_q\Vert \Vert e_i\Vert }$$

返回相似度最高的Top-k个记忆作为上下文输入给智能体。

但由于前面的结构化处理，检索质量会高很多：

• context字段提供了更丰富的语义信息，使得语义向量能捕捉更深层的含义
• keywords和tags可以作为辅助匹配条件
• links可以用于扩展检索（检索到一条记忆后，顺着链接找到相关记忆）

核心算法流程

把上面四个机制串起来，A-Mem的完整工作流程可以用伪代码表示：

class AgenticMemory:
    def __init__(self, llm, encoder):
        self.llm = llm              # 用于生成笔记属性和分析链接
        self.encoder = encoder      # 用于生成语义向量
        self.memory_store = []      # 记忆存储
    
    def add_memory(self, content):
        # Step 1: 笔记构建
        note = self._construct_note(content)
        
        # Step 2: 链接生成
        candidates = self._retrieve_similar(note.embedding, k=10)
        links = self._analyze_links(note, candidates)
        note.links = links
        
        # Step 3: 记忆进化
        for linked_note in links:
            self._evolve_memory(linked_note, note)
        
        self.memory_store.append(note)
        return note
    
    def _construct_note(self, content):
        """调用LLM生成结构化笔记"""
        prompt = f"为以下内容生成关键词、标签和上下文描述：\n{content}"
        attributes = self.llm(prompt)
        embedding = self.encoder(content + attributes.context)
        return Note(content, attributes, embedding)
    
    def _analyze_links(self, new_note, candidates):
        """调用LLM分析语义关联"""
        prompt = f"分析新记忆与候选记忆的关联：\n新记忆：{new_note}\n候选：{candidates}"
        return self.llm(prompt)  # 返回有意义关联的记忆ID
    
    def _evolve_memory(self, old_note, new_note):
        """根据新信息更新旧记忆"""
        prompt = f"基于新信息更新旧记忆的属性：\n旧记忆：{old_note}\n新信息：{new_note}"
        updated_attrs = self.llm(prompt)
        old_note.update(updated_attrs)
        old_note.embedding = self.encoder(old_note.content + old_note.context)
    
    def retrieve(self, query, k=5):
        """检索相关记忆"""
        query_embedding = self.encoder(query)
        similarities = [cosine_sim(query_embedding, m.embedding) for m in self.memory_store]
        top_k_indices = argsort(similarities)[-k:]
        return [self.memory_store[i] for i in top_k_indices]

这段伪代码清晰地展示了A-Mem的核心逻辑。值得注意的是，语义向量是基于原始内容加上下文描述一起编码的，这让embedding能够捕捉到LLM理解后的"增强语义"，而不仅仅是原始文本的字面含义。

---

🧪 实验结果：多跳推理能力碾压基线

作者在LoCoMo数据集上进行了评估。这个数据集专门测试长对话场景下的记忆能力，平均每段对话有9000多个token，跨越35个会话，非常有挑战性。

主实验：全面领先

方法	多跳推理(F1)	时序推理(F1)	单跳(F1)	开放域(F1)	对抗性(F1)	平均Token数
LoCoMo (无记忆)	18.41	27.53	23.27	17.91	22.01	16,910
MemGPT	25.52	31.05	29.36	19.65	31.45	16,910
MemoryBank	25.06	35.25	28.21	20.98	29.87	1,203
A-Mem	45.85	39.83	35.51	24.11	37.68	2,520

表1：GPT-4o-mini作为基础模型时的性能对比

几个值得关注的点：

1. 多跳推理能力提升惊人

A-Mem在多跳推理任务上达到45.85的F1分数，是MemGPT的1.8倍。多跳推理需要整合多条分散的记忆才能得出答案，这正是链接机制和记忆进化的用武之地。

2. Token效率极高

A-Mem只用了2520个token（约是LoCoMo的15%），就实现了全面领先的性能。这得益于选择性Top-k检索——只把真正相关的记忆放入上下文。

3. 在小模型上优势更明显

在Qwen2.5-1.5B和Llama 3.2-1B这样的小模型上，A-Mem的提升更加显著。这说明A-Mem的结构化记忆能够补偿小模型在长上下文理解上的不足。

消融实验：每个组件都不可或缺

图4：消融实验——移除链接生成(LG)或记忆进化(ME)后的性能下降

配置	多跳(F1)	变化
A-Mem (完整版)	45.85	-
w/o 记忆进化(ME)	41.22	-4.63
w/o 链接生成(LG)	38.97	-6.88
w/o 两者	35.16	-10.69

链接生成的贡献更大（移除后下降6.88），但记忆进化的作用也不容忽视。两者是互补关系：链接生成建立了记忆之间的关联骨架，记忆进化则让这个骨架上的"血肉"更加丰满。

可视化分析：记忆组织更有结构

图5：T-SNE可视化——A-Mem的记忆嵌入（橙色）比基线（蓝色）呈现更清晰的聚类结构

这组T-SNE可视化非常直观。A-Mem生成的记忆嵌入形成了明显的聚类模式——语义相关的记忆被组织在一起。而基线方法的记忆分布则更加散乱，缺乏结构。

这验证了A-Mem的核心假设：通过上下文描述生成和记忆进化机制，系统能够捕捉到记忆之间的深层语义关系，而不仅仅是表面的词汇相似性。

参数敏感性分析：Top-k值的影响

图6：不同基础模型在不同k值下的F1和BLEU-1分数变化

作者还分析了检索数量k对性能的影响。几个有趣的发现：

GPT系列模型：在k=30左右达到最佳性能，之后趋于平稳。说明大模型能够有效利用更多的上下文信息。

小模型（Qwen、Llama）：最佳k值通常在10-20之间，k过大反而会导致性能下降。这是因为小模型的上下文处理能力有限，塞入太多记忆反而会"淹没"真正重要的信息。

这个发现对工程实践很有指导意义：不是检索得越多越好，需要根据基础模型的能力选择合适的k值。

与LoCoMo数据集的适配分析

LoCoMo数据集设计了五类不同难度的问题，让我们看看A-Mem在各类问题上的表现差异：

问题类型	特点	A-Mem优势来源
单跳	答案在单条记忆中	结构化笔记提供更准确的检索
多跳	需要整合多条记忆	链接机制帮助发现关联记忆
时序	涉及时间先后关系	时间戳+进化历史提供时序线索
开放域	需要常识推理	上下文描述补充隐含知识
对抗性	包含干扰信息	精准链接过滤无关记忆

A-Mem在多跳任务上的提升最为明显（1.8倍），这正好验证了链接机制的价值——当答案需要从多个分散的记忆中拼凑时，有机的记忆网络比扁平的记忆列表更有效。

---

🔧 工程实现细节

LLM调用的Prompt设计

A-Mem的效果很大程度上取决于提示词的设计。根据论文和开源代码，这里给出几个关键prompt的设计思路：

笔记构建Prompt:

给定以下交互内容，请生成：
1. 3-5个关键词（捕捉核心概念）
2. 2-3个标签（分类用途）
3. 一段上下文描述（50-100字，解释这条记忆的潜在含义和可能的关联场景）

交互内容：{content}

注意：上下文描述应该超越字面意思，推断用户可能的意图和后续需求。

链接分析Prompt:

新记忆：{new_memory}
候选历史记忆：
{candidate_memories}

请分析新记忆与哪些候选记忆存在实质性关联。
关联的判断标准：
- 属于同一个项目/任务的不同阶段
- 涉及相同的技术概念或解决方案
- 存在因果关系或时序关系

返回格式：关联记忆ID列表及简要原因

记忆进化Prompt:

旧记忆：{old_memory}
新关联信息：{new_memory}

基于新信息，判断是否需要更新旧记忆的以下属性：
- 关键词：是否需要添加新的关键词？
- 标签：是否需要补充新的分类？
- 上下文描述：是否需要根据新信息完善理解？

如需更新，请给出更新后的内容。如无需更新，返回"保持原样"。

向量数据库的选择

A-Mem需要一个高效的向量存储和检索系统。实际部署时可以选择：

方案	适用场景	特点
FAISS	中小规模、单机部署	开源免费、性能优秀
Milvus	大规模、生产环境	分布式、支持复杂查询
Chroma	快速原型、开发测试	简单易用、与LLM框架集成好
Pinecone	云端托管、免运维	全托管、按量付费

论文中使用的是基于余弦相似度的简单检索，实际生产中可以根据需求选择更复杂的混合检索策略（向量检索 + 关键词检索 + 标签过滤）。

---

💡 我的思考与启发

1. 从"存储器"到"知识库"的范式转换

A-Mem最打动我的不是某个具体技术，而是它背后的设计理念：记忆系统应该是主动的参与者，而不是被动的存储器。

传统方案把记忆当作数据库——你存什么就是什么，检索什么就返回什么。A-Mem则把记忆当作知识库——存入的信息会被理解、结构化、关联，并随着新信息的加入不断演化。

这种范式转换对于构建真正智能的Agent至关重要。

2. Zettelkasten方法论的成功迁移

用卡片盒笔记法来设计AI记忆系统，这个跨界很有启发性。卢曼的核心洞察是：知识的价值不在于单条信息本身，而在于信息之间的连接。

A-Mem用Link Generation机制实现了"连接"，用Memory Evolution机制实现了"持续精炼"。这两个机制的结合，让AI记忆系统具备了类似人类知识网络的特性。

3. 工程落地的可行性

从工程角度看，A-Mem的实现并不复杂：

• 笔记构建：一次LLM调用
• 链接生成：向量检索 + 一次LLM调用
• 记忆进化：一次LLM调用（可选）
• 检索：向量检索

每次记忆写入大约需要2-3次LLM调用，考虑到记忆写入通常不是高频操作，这个开销是可接受的。而且，论文实验表明即使用7B级别的小模型也能取得不错效果，进一步降低了部署成本。

4. 潜在的局限性

当然，A-Mem也有一些值得注意的问题：

• 对LLM能力的依赖：笔记构建、链接分析、进化决策都依赖LLM的理解能力。如果基础模型在某些领域理解不准，记忆组织也会出问题。
• 记忆膨胀：随着交互增加，记忆数量和链接关系会越来越复杂。如何进行合理的记忆遗忘和压缩，论文没有深入讨论。
• 多模态扩展：当前仅支持文本记忆，图像、音频等多模态信息的处理还有待探索。
• 计算开销：每次记忆写入需要多次LLM调用，在高频写入场景下可能成为瓶颈。

5. 与其他记忆系统的对比

为了更清晰地理解A-Mem的定位，这里整理一个主流记忆系统的对比表：

特性	MemGPT	MemoryBank	Generative Agents	A-Mem
存储结构	分层内存	向量库	记忆流	链接网络
记忆组织	手动/规则	自动分组	时序排列	自主进化
链接机制	有限支持	无	无	核心特性
记忆更新	覆盖式	累积式	遗忘机制	进化式
适用场景	长对话	知识检索	社会模拟	复杂推理

A-Mem的核心差异化在于：它把记忆当作一个动态演化的知识图谱，而非静态的数据存储。这种设计在需要复杂推理的场景下优势明显，但在简单问答场景下可能"杀鸡用牛刀"。

6. 实际应用建议

基于论文结果和我的理解，给出几个落地建议：

适合使用A-Mem的场景：

• 长期客服对话，需要记住用户历史问题和偏好
• 个人助手，需要理解用户的项目进展和关注点
• 知识密集型任务，需要整合多个来源的信息

不太适合的场景：

• 简单的单轮问答
• 对响应延迟敏感的实时系统（LLM调用有延迟）
• 记忆量极大（>10万条）的场景，链接维护成本高

优化建议：

1. 使用异步处理记忆写入，避免阻塞主流程
2. 对于高频场景，可以批量处理记忆写入
3. 定期清理低价值记忆，控制记忆库规模
4. 针对特定领域fine-tune笔记生成能力

---

🔗 延伸阅读

如果你对LLM智能体的记忆系统感兴趣，可以关注以下相关工作：

工作	核心思想	与A-Mem的关系
MemGPT	借鉴操作系统虚拟内存，分层管理上下文	A-Mem在此基础上增加了自主组织能力
Generative Agents	模拟人类社会，引入反思机制	A-Mem的记忆进化可看作持续反思
Reflexion	让智能体通过失败经验改进	A-Mem扩展了"经验改进"的范围
LETTA	MemGPT的后续工作，增强记忆管理	思路类似，侧重点不同
Voyager	Minecraft中的开放世界智能体	展示了技能记忆的重要性

---

📝 结语

A-Mem展示了一种将人类知识管理方法论迁移到AI系统的有趣尝试。它的核心贡献不在于某个惊艳的技术突破，而在于提出了一种新的思考方式：智能体的记忆系统应该像人类大脑一样，能够自主组织、动态关联、持续进化。

对于正在构建复杂Agent系统的开发者来说，A-Mem提供了一个值得借鉴的架构参考。而对于研究者来说，如何让记忆系统更高效地进化、如何处理多模态记忆、如何实现合理的记忆遗忘，都是值得深挖的方向。

记忆，是智能的基石。让我们期待更多在这个方向上的创新。