Semantic XPath:面向对话AI的结构化Agentic记忆访问

摘要

对话AI（ConvAI）智能体日益维护结构化记忆以支持长期、任务导向的交互。上下文内记忆方法把不断增长的历史追加到模型输入，在上下文窗口限制下扩展性差。基于RAG的方法检索与请求相关的信息，但大多假设扁平的记忆集合并忽视结构。我们提出Semantic XPath，一个访问与更新结构化对话记忆的树状记忆模块。Semantic XPath的性能比扁平RAG基线提升176.7%，同时仅使用上下文内记忆所需token的9.1%。我们还推出SemanticXPath Chat，一个可视化结构化记忆与查询执行细节的端到端ConvAI演示系统。总体而言，本文展示了构建于结构化记忆之上的下一代长期、任务导向ConvAI系统的一个候选方案。

Semantic XPath:面向对话AI的结构化Agentic记忆访问 — 图2：在 ACL 2026 行程计划上的端到端 Semantic XPath 流水线，同时以对话视图（蓝色）与记忆视图（灰色）展示。步骤 1：用户请求“在会议场次排满的那一天增加一次咖啡休息”被转换为基于记忆模式（memory schema）的 Semantic XPath 查询。步骤 2：查询通过结构匹配与语义相关性评分执行，选定 Day 2 。步骤 3：检索到的子结构被传递给下游生成，以插入咖啡休息 POI 并回复用户。