Agent 的记忆不在对话里：工业多智能体最缺的，是「这家企业的数据语义」

很多人以为，让 Agent 记住”用户说过什么”就叫有记忆。但在工厂里，真正缺的记忆完全是另一回事。

在即将于 10 月 22 日—24 日举办的 QCon 全球软件开发大会·上海站上，卡奥斯 COSMOPlat 工业智能首席科学家余锦泽博士将发表题为《Agent 的记忆不在对话里：把企业数仓沉淀为可治理的共享语义记忆》的分享，直指工业智能体落地中最容易被忽视的一环。

一分钟速览

• 业界记忆的主线：Mem0、Zep、Letta/MemGPT 等框架解决的是”跨会话记住用户”，记忆主要来自对话与交互流。
• 工业的记忆缺口：要记的不是”用户偏好”，而是”直通率的分子分母是什么、工单号在不同表里有几种写法”——这些语义藏在数仓表结构、建表代码与工艺文档里。
• 写错比不记更危险：实测显示，只注入实体与关系、不带指标口径，回答正确率反而低于完全不注入，模型会更自信地选错表。
• 核心主张：企业语义记忆是需要治理的资产——写入有裁决、冲突有消解、经验能沉淀、错误可撤销。
• 写入把关：大模型只提议，真实数据裁决；四道判据缺一不可，通不过的降为候选，不入正式记忆。

为什么业界的记忆框架搬不进工厂

记忆热潮的主线，是”跨会话记住用户”——记忆主要来自对话与交互流。但工业 Agent 的记忆缺口完全不同：要记的不是”用户偏好”，而是”直通率的分子分母是什么、工单号在不同表里有几种写法”。这些语义不产生于对话，而是藏在数仓表结构、建表代码与工艺文档里，且往往没有外键、命名晦涩。

更麻烦的是，写错的记忆比遗忘更危险。学界正在讨论”记忆污染”（memory contamination），而在企业场景，它的代价是口径错账。余锦泽团队实测发现：只注入实体与关系、不带指标口径时，回答正确率反而低于完全不注入——模型会更自信地选错表。

记忆要治理：写入有裁决，错误可撤销

分享的核心主张是：企业语义记忆是资产，必须治理。

在写入侧，记忆被拆为对象、关系、事件、指标、动作、场景六要素，每条记忆带证据等级——数据验证（verified）、人工断言（asserted）、缺口（gap）。与业界方案的差别在于，置信等级由真实数据裁决产生，而不是模型自评。写入把关遵循”大模型只提议、真实数据裁决”：取值重叠度须过阈值、子键不唯一、父键接近唯一、列名有据可依，四道判据缺一不可。

团队还踩过两个坑。其一是”时序假象”：同一对字段在单日窗口下取值完全重合，看上去就是一条真关系，窗口拉长到一个月即崩塌，因此采样窗口不足一律不予写入。其二是”人工断言冒充数据验证”：早期实现允许把人工确认写成 verified，记忆置信被悄悄稀释；如今这条纪律写进接口签名——人审只产生”断言”，verified 只能由数据裁决产生。

冲突消解则用三招：时间轴校验（排除巧合性重合）、双源融合（代码中的 JOIN 证据优先于命名推断）、对抗评审（独立评审多数否决即打回重抽）。在使用侧，按对象锚定动态构建上下文；教训则沉淀为可插拔提示词组件与回归断言。

趋势洞察

当业界把注意力集中在”Agent 能不能记住用户”时，工业场景提醒我们：对多智能体协作而言，更关键的记忆是”这家企业的数据语义”。它不在对话流里，却决定了 Agent 会不会把工单号认错、把口径算错。

更深一层的启示是：企业级 Agent 的竞争，正在从”模型能力”转向”记忆治理”。写入有裁决、冲突有消解、经验能沉淀、错误可撤销——这套机制听起来不性感，却是智能体从演示走向生产必须补上的一课。