宝软数字 · 产品深度解读 · 2025-08-27
人类的记忆不是单一维度的。我们有工作记忆（此刻在处理什么）、情景记忆（今天发生了什么）和语义记忆（长期积累的知识）。这三种记忆各司其职，相互配合，构成了人类的认知基础。
EIOS为AI设计了完全对应的三级记忆体系：短期记忆（上下文窗口）、会话状态和长期记忆（知识图谱+向量库）。这不是一个理论模型，而是已经落地的生产级架构。它的核心目标朴素而深刻：让AI每完成一次任务，都比上一次更聪明一点。
短期记忆对应的是大模型的上下文窗口（Context Window）。这是Agent在单次推理中能"看到"的全部信息：系统提示词、对话历史、工具调用记录和返回结果。
上下文窗口不是无限的。随着对话的进行，历史消息会不断累积，最终逼近模型的上下文上限。这时候就需要自动剪枝——EIOS实现了智能的上下文管理策略：
保留策略：始终保留系统提示词（Agent的角色定义不能丢）+ 最近N轮完整的工具交互记录（当前任务的上下文不能断）。
压缩策略：对于较远的对话历史，不直接丢弃，而是用自动摘要替代——将前端的5轮对话压缩成一段摘要文本，保留关键信息但大幅减少token消耗。
优先级策略：关键业务决策记录（如审批通过、风险评估结论）永远不会被剪枝，确保重要的上下文不会因为窗口限制而丢失。
短期记忆管理的本质是信息密度优化——在有限的窗口内保留最有价值的信息，用摘要替代冗余的历史。
会话状态（SessionState）是第二级记忆，对应人类的情景记忆——它记录的是"当前这次任务"的所有上下文：用户是谁、在处理哪个业务实体、中间产生了哪些临时变量、当前执行到了哪个阶段。
SessionState是一个可序列化的对象，包含以下核心字段：
认证信息：用户身份、角色、权限范围。这确保了Agent的每一次操作都在用户的权限边界内，不会越权访问。
业务上下文：当前操作的目标实体——比如正在审查的合同ID、正在分析的供应商编号、正在处理的工单号。
临时状态：Agent在推理过程中产生的中间结果——比如查询到的数据缓存、已经确认的风险项、待验证的假设列表。
SessionState的生命周期与一次完整的业务交互绑定。任务完成后，其中的关键信息被提炼并写入长期记忆，会话对象本身被销毁。这确保了：会话级别的信息不会污染长期记忆，但其中有价值的部分会被永久保存。
长期记忆是三级记忆体系中最重要、也最复杂的一层。它实现了跨会话、跨时间、跨Agent的知识累积。
EIOS的长期记忆由两个互补的存储引擎组成：
知识图谱（Neo4j）：存储结构化的语义关系。比如"供应商A → 供应 → 产品B"、"合同C → 引用 → 法规条款D"、"用户E → 偏好 → 审批风格：保守"。知识图谱的优势在于关系查询——你可以问"所有和我合作超过两年且准时交付率高于95%的供应商"，得到一个精确的集合。
向量库（pgvector/Pinecone）：存储非结构化的语义信息。比如合同文本的语义向量、客户沟通记录的嵌入表示、Agent决策过程的文本描述。向量库的优势在于相似性搜索——你可以问"之前有没有处理过类似的合同纠纷？"，通过语义匹配找到最相关的历史案例。
知识图谱告诉你"谁和什么有关系"，向量库告诉你"什么和什么相似"。两者结合，构成了完整的长期记忆。
不是所有信息都值得进入长期记忆。临时变量、中间计算结果、工具调用的原始响应——这些信息在会话结束后就应该被清理。EIOS定义了清晰的记忆写入标准：
写入知识图谱的数据：稳定的实体关系。比如供应商的评级变化、合同的风险评估结果、用户的偏好模式。这些数据通过Cypher查询语言写入Neo4j，支持后续的图遍历和关系推理。
写入向量库的数据：具有未来检索价值的文本。比如决策的理由、分析的结论、沟通的摘要。这些文本被编码为高维向量（通过embedding模型），支持后续的语义相似性搜索。
不写入的数据：所有中间步骤的原始输出。这些数据在审计日志中保留（用于合规和调试），但不会进入长期记忆，避免"垃圾信息"污染知识库。
记忆的价值不在于存储，而在于能在正确的时间被正确的人（Agent）检索到。
EIOS实现了双通道检索：
精确检索通道（知识图谱）：当Agent需要查询"这个供应商的历史评级"，它通过Cypher语句精准查询图中的节点和边。这是确定性的、毫秒级的检索。
语义检索通道（向量库）：当Agent需要"以前处理类似情况的经验"，它将当前描述编码为向量，在向量库中搜索最相似的Top-K结果。这是概率性的、近似的检索。
两者的结合实现了查全率（recall）和查准率（precision）的平衡。精确检索保证不遗漏（已知的实体关系），语义检索保证不局限（发现潜在的相关性）。
如果说ReAct循环解决了AI的"可靠性"问题，那么三级记忆系统解决的是AI的"成长性"问题。
一个没有记忆的AI系统，每次面对任务都是从零开始。它不知道昨天的决策结果，不了解用户的偏好习惯，不认识业务中的异常模式。这不是智能，这是健忘症。
有了三级记忆，EIOS的Agent呈现出三个层次的"成长"：
个体成长：每个Agent在处理任务的过程中积累经验。合同审查Agent处理的合同越多，对风险条款的识别越精准。
跨Agent成长：A Agent的决策结论可以被B Agent利用。风险评估Agent标记的高风险供应商，供应链Agent在后续的采购建议中会自动避开。
组织成长：企业积累的知识图谱和向量库成为数字化的组织记忆——即使关键员工离职，他的决策逻辑和经验仍然可以通过记忆系统被AI调用。
记忆系统是EIOS从"工具"进化为"伙伴"的临界点。工具不成长，伙伴会学习。你的企业AI应该是后者。
下一篇，我们将探讨EIOS最受企业安全团队关注的设计——人机协作中断点与L0-L3四级风险自动分流机制。
