TeleMem团队 投稿 量子位 | 公众号 QbitAI 思维导图曾被证明可以帮助学习障碍者快速提升成绩，那么当前已经可堪一用的智能体系统如果引入类似工具是否可以帮助改善长期学习记 忆能力呢？有研究团队做出了探索性尝试。 在长上下文和Agent应用不断落地的过程中，越来越多研究者开始意识到，如果Agent需要像人一样持续学习、不断积累经验并形成稳定的 认知结构，仅依赖传统RAG的"检索式记忆"已经难以支撑长期演化。 传统RAG在"长期记忆管理"和"持续学习承载能力"两个层面，正在同时暴露出结构性瓶颈。 向量数据库擅长相似度检索，却难以表达时间顺序、因果关系和状态演化；随着历史数据规模持续增长，系统成本不断上升，也更容易出现 记忆漂移、逻辑断裂以及隐性的知识遗忘。 当Agent的交互跨度从"单轮问答"扩展到"跨月甚至跨年的持续运行"时，这种碎片化记忆结构会直接限制其学习能力与行为稳定性。 近期，中国电信人工智能研究院 （TeleAI） 研究团队提出了一种基于DAG （有向无环图） 的通用记忆框架—— TeleMem ，从"数据结 构层"重新设计Agent的记忆组织方式，使记忆不仅可检索，而且可持续累积、可回溯 ...