Agent Zero Memory：可追溯来源的智能体长期记忆

大语言模型智能体需要持久、忠实地记住用户或组织的对话与存储内容，但单一事实库、向量索引或知识图谱各有盲点。Agent Zero Memory把对话、文件及接入来源组织为三个并行记忆：记录变化时间的事件时间线、跨会话连接人物和项目的实体事件图，以及经整理且锁定引用的分层文献事实记忆HDM。检索轮次先识别是否需要记忆，再路由来源，由三个智能体并发进行嵌入与词汇混合搜索，将有依据和引用的回答合为单一答案与置信度。每个记忆条目带来源、时间戳和证据指针；答案只能引用实际打开的证据，否则弃答而不猜测，以结构约束减少捏造。LongMemEval与LoCoMo分别达到95.60%和93.60%，比最强既有系统高0.73和1.10点。八个基础模型的受控比较中，准确率变化3.4点，而单查询成本差约30倍；低成本配置以最多低20倍的查询成本接近最佳质量，说明该设置中记忆机制对质量的重要性。