| name | agent-memory-system-implications |
| description | Agent Memory Characterization and System Implications - LLM代理内存系统的首次系统性特性分析和10项系统建议 |
| version | 1.0.0 |
| category | systems-engineering |
| tags | ["agent-memory","long-horizon","stateful-workloads","memory-systems","llm-agents","profiling","taxonomy","system-implications"] |
| activation_keywords | ["agent memory","long-horizon tasks","stateful agents","memory retrieval","fact stores","memory construction","fleet-scale","freshness-latency"] |
| arxiv_id | 2606.06448v1 |
| authors | Yasmine Omri, Ziyu Gan, Zachary Broveak, Robin Geens, Zexue He, Alex Pentland, Marian Verhelst, Tsachy Weissman, Thierry Tambe |
| published | 2026-06-04T00:00:00.000Z |
Agent Memory: Characterization and System Implications
概述
这是首个对LLM代理内存系统进行系统性特性分析的研究。论文提出了系统导向的分类法，构建了阶段感知的性能分析框架，对10个代表性系统进行了详细特性分析，并推导了10项系统建议，涵盖构建调度、能力底线、查询量摊销、新鲜度-延迟权衡和舰队规模管理。
核心方法论
1. 系统导向分类法（四轴分类）
代理内存系统沿四个轴分类：
轴1：内存结构（Memory Structure）
- Flat Retrieval: 平面检索（简单向量存储）
- Hierarchical: 层次化内存（多层级组织）
- Graph-based: 图结构内存（关系网络）
轴2：提取机制（Extraction Mechanism）
- LLM-mediated: LLM中介提取
- Direct Retrieval: 直接检索
- Consolidating: 整合提取（fact stores）
轴3：控制流（Control Flow）
- Passive: 被动控制（查询驱动）
- Agentic: 主动控制（自主管理）
- Hybrid: 混合控制
轴4：存储粒度（Storage Granularity）
- Token-level: Token级存储
- Sentence-level: 句子级存储
- Document-level: 文档级存储
- Fact-level: 事实级存储
2. 阶段感知性能分析框架
将成本归属到三个阶段：
┌─────────────────────────────────────────────────────────┐
│ Agent Memory Lifecycle │
└─────────────────────────────────────────────────────────┘
│
▼
┌────────────┐ ┌────────────┐ ┌────────────┐
│ Construction│ → │ Retrieval │ → │ Generation │
│ (Write) │ │ (Read) │ │ (Use) │
└────────────┘ └────────────┘ └────────────┘
Cost_1 Cost_2 Cost_3
Construction阶段成本:
- 数据收集: $C_{collect}$
- 提取处理: $C_{extract}$
- 索引构建: $C_{index}$
- 存储: $C_{store}$
Retrieval阶段成本:
- 查询编码: $C_{query_enc}$
- 相似度计算: $C_{sim}$
- 排序过滤: $C_{rank}$
Generation阶段成本:
- 上下文组装: $C_{assemble}$
- LLM推理: $C_{llm}$
- 输出生成: $C_{output}$
3. 十个代表性系统特性分析
系统分类矩阵
