GAM：双智能体内存解决 AI 上下文退化问题

想象一下，一个 AI 能记住长达一个月的项目中的所有细节，并能按需无误地回忆起关键信息。现在，借助 GAM 这一旨在解决 AI“上下文退化”问题的双智能体内存架构，这一切已成为可能。GAM 并非简单地扩展内存，而是利用一个“记忆器”无损保存所有细节，并由一个“研究员”在需要时即时智能地检索确切的上下文。这种方法在长期记忆基准测试中完胜竞争对手，在 RULER 测试中实现了超过 90% 的准确率，而传统的 RAG 系统和长上下文模型则表现不佳。这标志着 AI 记忆系统正从“暴力”扩展上下文窗口转向更智能、精心设计的内存系统。这对于构建能够管理跨天项目、追踪复杂客户支持历史或在持续工作流中保持连贯性的可靠 AI 智能体至关重要。