Hippocampus：面向Agentic AI的高效可扩展记忆模块

Agentic AI需要持久记忆来存储超出LLM有限上下文窗口的用户特定历史。现有记忆系统使用稠密向量数据库或知识图谱遍历（或二者的混合），带来高检索延迟和糟糕的存储可扩展性。我们提出Hippocampus，一个agentic记忆管理系统，它使用紧凑的二进制签名进行语义搜索，并使用无损的token-ID流进行精确内容重建。其核心是动态小波矩阵（Dynamic Wavelet Matrix，DWM），它对两种流进行压缩与共索引，以支持在压缩域内的超快速搜索，从而避免代价高昂的稠密向量或图计算。该设计随记忆规模线性扩展，使其适合长程agentic部署。实验评估显示，Hippocampus将端到端检索延迟最多降低31倍，将每查询token足迹最多削减14倍，同时在LoCoMo和LongMemEval两个基准上保持准确率。