面向企业工作流和 AI 数字员工的 AI Agent 记忆

AI Agent 记忆如何工作

• 任务进入时，先确认任务、角色和权限边界，再只检索本次执行所需的授权上下文。
• 每条检索到的事实都应附带来源、时效和保留规则，便于智能体和审核人判断其是否仍然适用。
• 只写回已批准的事实、更正或工作流状态；生成内容不得自动成为持久记忆。

记录每次记忆读写对应的任务、来源、版本、操作者和保留规则；受限或冲突的上下文应转交审核。

AI Agent 记忆类型

实用记忆通常区分用户记忆、团队记忆、工作流记忆、来源记忆和审核记忆。

• 用户或账户记忆保存明确偏好和有来源支撑的事实，并限定在对应个人或账户范围内。
• 工作流与团队记忆在获授权角色之间传递任务状态、已批准决策、待处理异常和交接说明。
• 来源与审核记忆保留引用、人工更正和已被替代的值，让后续执行能够区分当前证据与历史记录。

临时工作上下文默认不应成为持久记忆。记忆类型应决定访问、保留、更正和删除规则。

AI Agent 记忆风险

错误记忆会带来过期答案、隐私泄露、隐藏假设，以及没有来源可见性的自信输出。

• 政策、账户或工作流发生变化后，过期或冲突记忆可能在不易察觉的情况下覆盖当前证据。
• 过度共享可能把私人笔记或受限数据暴露给错误的角色、渠道、客户或下游工具。
• 如果把模型输出、恶意内容或错误人工假设当作事实写入，后续工作可能持续受到污染。

过期、受权限限制、缺少依据或与当前来源存在重大冲突的记忆不得使用；在其影响高风险动作前必须人工审核。

AI Agent 记忆治理清单

定义允许来源、保留规则、审核人可见性、删除路径，以及哪些情况记忆不得影响答案。

• 为每个持久记忆字段定义用途、结构、来源要求、责任人，以及允许读写的角色。
• 在记忆跨会话、渠道或角色复用前，先定义保留、过期、更正、删除和冲突处理规则。
• 向审核人展示检索值、来源、时间戳、历史更正，以及它可能影响的动作。

使用过期、冲突、已删除和受权限限制的记录测试策略，并确认工作流会按设计拒绝使用或转交处理。

示例：账户跟进记忆

客户成功工作流能说明为什么记忆需要治理。智能体可能记住账户目标、未解决阻塞、授权续约说明和上一次人工决策。

• 允许记忆：有来源支撑的账户事实、明确偏好、未解决阻塞和授权交接说明。
• 禁止记忆：私人笔记、未经验证的假设、过期价格，以及敏感 HR 或法务细节。
• 审核触发：任何会改变客户承诺、续约立场或升级优先级的记忆。
• 审计记录：来源、时间戳、负责人、原因和最近一次人工纠正。

这些记录只能在对应账户范围内复用；如需改变客户承诺，必须先向审核人展示依据。

AI Agent 记忆的衡量指标

有用的记忆应该减少重复上下文，同时不增加过期或无依据答案。

• 上下文重复率：人们需要重复同一事实的频率。
• 来源覆盖率：有多少基于记忆的答案包含可检查来源。
• 纠正率：审核人因为记忆过期或错误而拒绝的频率。
• 删除就绪度：团队能多快删除不应复用的记忆。

应按记忆类型和工作流影响查看这些指标；只有来源保持最新、获授权且可更正时，较低的上下文重复率才有意义。

AI Agent 记忆运行流程

该记忆架构把请求、角色限定上下文、证据检索、人工审核，以及将获准事实写回记忆的交接路径明确分开。

OpenMax 如何在 AI 数字员工团队中应用

在 OpenMax 的记忆工作流中，每个 AI 数字员工只获取当前角色所需的上下文。记忆来源、保留规则、最近一次更正和删除路径都保持可见，方便审核复用内容。

• Agent Cloud：把记忆关联到明确的 AI 数字员工、任务和审核状态。
• Zylos 运行时：检索与角色相关的上下文，并在不同会话之间延续工作流状态。
• 人工交接：附带记忆来源和最近一次更正，让审核人知道哪些信息影响了当前草稿。

如何使用 OpenMax 管理 AI Agent 记忆