面向多智能体LLM系统的受治理共享内存

多智能体LLM环境需要稳健的共享知识管理机制。本文形式化舰队记忆问题——并识别四种基础失败模式：未授权泄漏、过期传播、矛盾持续与来源坍缩。为解决——我们定义显式的系统级原语：范围化检索、时间性取代、来源追踪与策略治理的记忆传播。这些原语在生产级多租户记忆服务MemClaw中实现——并经ArgusFleet（可复现的测试框架，测试四个治理维度）评估。本研究不做基线比较——而是测量一个活的生产服务——强调真实架构洞见与负面结果。关键评估结果。来源：以亚秒级每跳延迟成功重建100%的四层深度派生链并正确标识写入者。传播：展示高舰队内可见性与零跨舰队泄漏；强写模式下写-可见延迟优化到单次搜索往返。发现的生产架构问题：不对称范围强制——租户隔离成立——但子租户范围最初在按id直接GET代理范围凭证时被绕过（研究期间披露并修复）；管线顺序冲突——矛盾取代对已准入写入有效——但同步近重复门可在异步矛盾检测器评估之前过早拒绝矛盾写入。结论：仅靠长上下文检索不足以支撑生产级多智能体记忆。受治理共享内存需要显式系统级抽象——活体评估对暴露仅设计审查会漏掉的强制与管线顺序失败至关重要。