后见之明：构建具备保留、回忆与反思能力的智能体记忆系统

智能体记忆被视为基于大语言模型应用的重要发展方向，可使智能体积累经验、跨会话适应并超越单次问答。当前记忆系统多将记忆视为外部层，从对话中提取关键片段并存入向量或图数据库，再检索至提示中。然而，这类方法难以区分证据与推断、长期组织信息能力有限，且缺乏对可解释推理的支持。本文提出Hindsight架构，将记忆建模为支持推理的一等结构，划分为事实、经验、实体摘要与信念四个逻辑网络，并支持保留（retain）、回忆（recall）和反思（reflect）三大操作。实验表明，该方法在LongMemEval和LoCoMo等长程记忆基准上显著优于全上下文基线及GPT-4o。