AI智能体内存：自主系统的持久上下文

AI智能体内存使自主AI系统在单次对话之外运作，跨会话实现持久上下文、学习和协调。内存将无状态语言模型转变为有状态智能体，能够积累知识、维护关系并通过经验提高性能。四种不同的内存类型服务于不同的目的：用于即时回忆的上下文内令牌、用于相似性检索的语义向量存储、用于组织数据的结构化键值系统，以及用于程序学习的情节日志。共享内存架构引入了安全风险，包括内存投毒攻击和凭证暴露漏洞。

AI智能体内存是什么，为什么重要？

AI智能体内存是持久存储和检索系统，使自主智能体能够在语言模型的短暂令牌窗口之外跨会话维护上下文、积累知识和协调。内存对于生产系统中的智能体自主性、学习和多智能体协调至关重要。

AI智能体内存的四种类型

上下文内内存：令牌窗口

短暂内存存在于语言模型的上下文窗口内，根据模型通常为32K-200K个令牌。

上下文管理在对话超出令牌限制时变得至关重要。

成本影响随上下文长度线性扩展，因为每次LLM调用都重新处理整个上下文窗口。

内存压缩技术包括总结旧对话、将事实提取到结构化存储以及选择性保留高价值上下文。

语义内存：向量存储检索

向量嵌入使从大型知识库中进行语义相关信息的相似性检索成为可能。

流行实现包括mem0ai/mem0（56,445星）、Letta前身MemGPT（22,890星）和cognee graph-RAG（17,451星）。

安全考虑在多个智能体共享向量存储时出现。当一个智能体的记忆出现在另一个智能体的检索结果中时，就会发生交叉污染。

结构化内存：键值和黑板

键值存储在结构化层次中组织信息，实现精确检索和更新。

黑板系统扩展键值存储用于多智能体协调。智能体通过status/researcher或output/analyst/report_draft等层次键写入进度更新和协调切换。

情节内存：事件日志和程序

事件日志捕获智能体动作、工具调用、外部交互和性能指标的时间顺序记录。

程序学习从情节日志中提取成功的交互模式，以提高未来性能。

智能体内存系统中的安全风险

内存投毒：注入虚假事实

攻击向量通过注入破坏智能体跨会话行为的虚假信息来针对持久内存系统。arXiv cs.AI 2025论文的研究文档展示了针对流行智能体内存库的实际内存投毒攻击。

通过共享内存暴露凭证

CVE-2025-67732展示了智能体内存系统中共享凭证存储如何将API密钥暴露给任何具有内存访问权限的已验证用户。

向量搜索漏洞在API密钥或其他敏感数据被嵌入并索引到共享向量存储中时出现。

OpenLegion的观点

AI智能体内存对自主系统至关重要，但持久内存的安全影响创造了许多实现忽视的重大风险。CVE-2025-67732揭示了凭证暴露的系统性风险。arXiv cs.AI 2025中记录的内存投毒攻击展示了注入持久存储的虚假事实如何破坏跨会话的智能体行为。

OpenLegion的架构通过隔离而非访问控制来应对这些风险。vault代理确保凭证永远不会进入内存系统。每智能体工作区隔离防止智能体之间的内存污染。

四区架构：Vault保护内存

四区架构将凭证管理与内存操作完全分离。1-4区确保凭证永远不会在智能体内存系统中持久化。

原生黑板无需外部向量数据库即可提供结构化内存协调。在SQLite上运行，具有ACID保证。

每智能体工作区隔离

私有工作区为每个智能体提供隔离的文件存储，用于个人内存、配置和工作文件。

**探索AI智能体平台架构**以获取全面的安全和内存管理方法。有关AI智能体安全漏洞，请参阅详细的威胁模型和CVE覆盖。

常见问题

AI智能体内存的四种类型是什么？

上下文内内存（短暂令牌窗口）、语义内存（向量存储检索）、结构化内存（K-V和黑板）和情节内存（事件日志和程序）。上下文内提供即时回忆，但在会话结束时消失。语义使基于相似性的知识检索成为可能。结构化支持有组织的数据访问和智能体协调。情节捕获历史事件用于学习和审计追踪。

AI智能体中的内存投毒是什么？

内存投毒向持久智能体内存系统注入虚假事实，破坏跨会话的智能体行为。arXiv cs.AI 2025中记录的研究展示了针对流行内存库的实际攻击，其中虚假事实通过共享内存架构持续存在并传播。

共享内存系统如何暴露凭证？

CVE-2025-67732展示了当共享内存存储包含任何具有内存访问权限的已验证用户可访问的API密钥时的凭证暴露。当查询词语义上匹配凭证元数据时，向量相似性搜索可能无意中检索敏感信息。

OpenLegion黑板是什么？

一个原生共享键值持久存储，使智能体间协调无需外部向量数据库或服务。在SQLite上运行，具有ACID保证和基于模式的权限控制。vault代理通过确保智能体从不接收明文凭证来防止凭证暴露。

哪些内存库最受欢迎？

mem0ai/mem0以Insight Partners 2350万美元A轮融资领先，拥有56,445个GitHub星。Letta前身MemGPT拥有来自Andreessen Horowitz的1000万美元种子融资，22,890星。cognee graph-RAG维持17,451星。ByteDance的deer-flow SuperAgent自2025年5月起达到69,136星。

如何在生产中保护智能体内存？

使用vault代理系统进行架构凭证隔离，而不是应用程序级控制。实施每智能体工作区隔离以防止内存污染。遵循最小权限原则应用基于模式的权限。永远不要在任何智能体内存系统中存储凭证。