沙丘社区
论文

MAGMA：面向 AI Agent 的基于多图的智能体记忆架构

MAGMA: A Multi-Graph based Agentic Memory Architecture for AI Agents

Dongming Jiang, Yi Li, Guanpeng Li, Bingzhe Li
上下文与知识上下文工程记忆Agent记忆

摘要

记忆增强生成（MAG）通过外部记忆扩展大语言模型以支持长上下文推理，但现有方法大多依赖单一整体记忆库上的语义相似度，将时间、因果和实体信息纠缠在一起。这种设计限制了可解释性以及查询意图与检索证据之间的对齐，导致推理准确度欠佳。本文提出 MAGMA，一种多图智能体记忆架构，将每个记忆项表示在正交的语义、时间、因果和实体图上。MAGMA 将检索表述为对这些关系视图的策略引导遍历，实现查询自适应选择与结构化上下文构建。通过将记忆表示与检索逻辑解耦，MAGMA 提供透明的推理路径和对检索的细粒度控制。在 LoCoMo 和 LongMemEval 上的实验表明，MAGMA 在长时程推理任务上持续优于最先进的智能体记忆系统。

MAGMA：面向 AI Agent 的基于多图的智能体记忆架构 配图
图 2：MAGMA 架构概览。系统由三层组成：(1) 查询流程（Query Process），负责路由与合成上下文；(2) 数据结构层（Data Structure Layer），将记忆组织为关系图（Relation Graphs）与向量数据库；(3) 写入/更新流程（Write/Update Process），利用双流机制实现快速摄入与异步整合。