【基于Graph的Agent记忆都怎么做？11个框架、7类基准及4个阶段总结性回顾】继续看Agent记忆，继续回顾下，基于Graph的Agent记忆技术总结，温故知新。基于Graph的智能体记忆的核心思想是将记忆内容建模为一种动态的、结构化的记忆图。在此范式中，记忆单元（如事件、实体、概念、观测）被抽象为结点，它们之间的语义、时间、因果或逻辑关系则被抽象为边。核心就是通过将记忆元素表示为结点，其关系表示为边，图结构天然支持：显式关系建模，使智能体能够推理记忆项之间的因果依赖和语义关联；层次化组织，从细粒度的事实三元组到一般的主题簇或子图；时序与动态结构，其中具备时间感知的边可以捕捉事件序列、状态转移和知识演化；高效的结构化检索，支持遍历、子图提取以及超越单纯语义相似度的多跳关系查询。然后也有不少应用，例如会话智能体【多会话连贯、个性化、时间推理】、代码智能体【依赖图遍历、仓库审计、调试记忆】、推荐智能体【三层记忆（历史-结构化-认知）】、金融智能体【分层记忆、时序风险建模】、游戏智能体【开放世界、多模态经验图谱】、机器人/具身智能【空间关系、因果动作记忆】、医疗智能体【病史图谱、药物关系、诊断推理】、科学智能体【实验闭环、领域知识结构化】所以，来看一个工作，整理的还蛮好的，可以收藏。http://t.cn/AXJA2NaV