Jev-Mem：面向高效AI Agent的系统一控制型Agent记忆

智能体记忆对长程 AI 智能体日益重要，但许多现有系统依赖自回归 LLM 来控制记忆的组织、检索和使用，把昂贵的生成放在记忆操作的关键路径上。我们提出 Jev-Mem，一个受系统一/系统二认知启发的新型智能体记忆架构：系统一负责快速、轻量的决策，系统二执行较慢的深思推理。Jev-Mem 通过专用的系统一控制平面、结构化多关系记忆平面和系统二推理平面把这种分工引入智能体记忆。系统一控制器在构建阶段管理记忆分类与关系组织，在检索阶段动态执行查询路由、检索预算分配、图遍历、候选评分和自适应停止。系统二只在复杂推理和答案合成时被调用。该设计同时提升记忆有效性和系统效率：在 LoCoMo 上，Jev-Mem 的 LLM-as-a-Judge 总分为 0.777，较最强基线相对提升 11.0%，同时将记忆构建时间降至 158 秒（较最快的竞争记忆系统加速 6.6 倍），并将平均查询延迟降至 0.93 秒（降低 36.7%）。