智能体记忆是数据库吗？重新思考长期AI智能体记忆的数据基础

长期运行的AI智能体需要持久记忆。记忆支持跨会话学习、减少重复的上下文注入，并使审计过去的决策成为可能。当前的智能体记忆系统与数据库范式将记忆视为存储。它们将正确性定位于记录、嵌入或边上。每一种都只提供长期记忆所需能力的一部分。结果是四种反复出现的失败模式：无约束增长、缺失语义修订、容量驱动的遗忘以及只读检索。在我们的构想中，长期智能体记忆是一种新的数据管理工作负载。其正确性是状态轨迹的属性，而非单条记录的属性。我们将其形式化为Governed Evolving Memory（GEM）。GEM用四个状态级算子取代记录级数据库操作：摄取、修订、遗忘与检索。六个正确性条件约束状态如何演化。三个结构性观察证明，无论采用何种存储模型，任何记录级系统都无法满足这些条件。我们在MemState中实现该抽象，这是一个构建于属性图后端之上的原型。MemState验证了可行性，并揭示了与原生引擎之间的差距。我们概述了三个研究方向，将以记忆为中心的数据管理确立为一种工作负载。