灵感来源——卢曼卡片盒笔记1.1

卡片盒笔记法。

每当代理有一条新的交互记忆被添加时它会自动生成一条结构化记忆包括上下文描述、关键词、标签和

embedding

Generation并是否需要更新这些旧记忆的上下文与标签Memory

Evolution。

这种机制使得记忆库能够“生长”并“自整理”在新信息到来时进行动态重构从而有效增强模型在长期对话和复杂任务中的推理能力与信息调用效率。

Abstract

卢曼最初是德国的公务员他在最初开始阅读哲学、组织理论和社会学内容时也像大多数人一样记笔记过了一段时间他发现自己的笔记没有任何意义。

他开始将笔记全部写在小纸片上并在纸片角上编号并把它们存放在卡片盒中。

此外他还意识到一个想法和笔记只有在它的上下文语境中才有价值。

于是他思考如何让笔记与不同的上下文联系并起到相应的作用。

正是这样的笔记方法使得他跻身学术界。

他在赫尔穆特·舍尔斯基的建议下到比勒菲尔德大学担任社会学教授。

尽管他从没有写过博士论文和定职论文但是他在卡片盒笔记的帮助下不到一年就完成了博士论文和定职论文。

在1968年他被评为社会学教授并且终身担任这一职位。

此外在他担任社会学教授之后的30年里出版了58本著作和数百篇文章(不包括译本)。

1.2

画布可以更好地组织不同笔记的内容。

上面1.2节就是一个画布的例子。

1.3.3

链接方式含义例子[[要链接笔记的文件名]]链接到整个笔记[[要链接笔记的文件名#子标题|要显示的文字]]链接到该笔记的某个标题

2.1

M_{near}^*\leftarrow\text{LLM}(m

M_{near}

判断两者是否需要建立连接如果需要建立连接给出对应记忆的id以及

判断是否需要更新相关记忆如果需要更新相关记忆给出对应记忆的新总结和新标签列表。

连接生成和记忆进化提示词为

{nearest_neighbors_memories}Based

this

update_neighbor],suggested_connections:

[neighbor_memory_ids],tags_to_update:

[tag_1,...tag_n],

context],new_tags_neighborhood:

[[tag_1,...,tag_n],...[tag_1,...,tag_n]],

}}2.3

原始交互内容\\t:交互的时间戳\\K:大语言模型生成的关键词\\G:大语言模型生成的标签\\X:大语言模型生成的富语言描述\\L:语义相似记忆的列表\end{aligned}

mctKGXL​{c,t,K,G,X,e,L}:原始交互内容:交互的时间戳:大语言模型生成的关键词:大语言模型生成的标签:大语言模型生成的富语言描述:语义相似记忆的列表​

c,K,G,X

A-Mem系统基于卢曼卡片盒笔记法借助大语言模型和语义嵌入技术实现了记忆的进化和动态更新。

在A-Mem中每个记忆不仅包括原始交互内容还结合关键词、总结和标签等信息以便于进一步分析和检索。

系统通过计算内容间的相似度识别相关记忆并决定是否进行更新或建立新的连接保持记忆的关联性和时效性。

记忆的进化过程依赖于两个主要因素一是根据新记忆与现有记忆之间的相似度自动生成连接增强记忆的内在联系二是在特定情况下通过更新现有记忆的标签和总结确保记忆的准确性与持续性。

每次进化都会产生新的总结、标签以及上下文以适应知识的发展与变化。

通过这一系统A-Mem不仅有效管理和存储知识还能在实际应用中持续优化和拓展记忆库。