跳转至

OpenJiuwen AutoGenetic Memory — 华为开源自主生长Agent记忆引擎

Ch06.037 OpenJiuwen AutoGenetic Memory — 华为开源自主生长Agent记忆引擎

📊 Level ⭐⭐ | 4.6KB | entities/openjiuwen-autogenetic-memory-agent-2026-07-02.md

OpenJiuwen AutoGenetic Memory — 华为开源自主生长Agent记忆引擎

AutoGenetic Memory 是华为 openJiuwen 社区开源的 Agent 自主生长记忆引擎，采用 L0-L3 分层记忆架构、AutoDreaming 后台异步加工、MemoryTurbo 涡轮加速、Graph Memory 关系图谱与 Swarm 群体记忆等核心机制，在 LoCoMo 基准上实现准确率提升 15%、Token 消耗降低超 60%。

核心架构

L0-L3 分层记忆体系

JiuwenMemory 设计了四层记忆架构，让信息从原始对话逐级抽象为结构化知识：

  • L0 原始信息层 — 完整保留对话历史与时间戳，支持回溯与全量分析
  • L1 摘要记忆层 — LLM 压缩单次会话关键结论，降低 Token 消耗
  • L2 结构化记忆层 — 拆分为情景记忆（事件/决策时间轴）与语义记忆（背景知识/技术细节）
  • L3 用户画像层 — 核心特征刻画（偏好、习惯、角色、结构化变量）

分层价值：信息密度逐级放大、偏好与技术细节分离、全量历史免加载、Token 成本降低。

AutoDreaming（"梦中"异步记忆加工）

借鉴认知神经科学的记忆固化理论，将高成本记忆提取操作从在线路径剥离，放到后台定时离线异步完成：

  • 浅睡 — 增量筛选
  • REM 阶段 — LLM 单遍完成提取与归类
  • 深睡 — 语义去重、冲突消解后写入长期记忆
  • 多重控本：守护进程定时触发、忙碌退避、断点续扫、批次封顶

MemoryTurbo（前台/后台动能解耦）

前台对话产生"排气"（新增信息），后台飞轮旋转转化为"增压"（结构化记忆）。原始对话瞬间写入缓存层向量库完成更新，记忆提取在后台按算力负载异步调度。

  • 用户感知时延降低 80%
  • Token 使用量进一步降低 50%+
  • 提取未完成时缓存层仍可检索

Graph Memory（关系图谱记忆）

将对话、文档和结构化内容转化为可持续演进的记忆知识图谱，Agent 沿着实体和关系理解长期记忆。

  • 实体与关系链路召回，解决纯语义检索遗漏
  • Episode 保留来源溯源
  • 跨会话信息组织成关系网络

Swarm 群体记忆

基于蜂群协作范式，每个 Agent 独立积累个体记忆，同时将共享经验沉淀至组织级记忆池，新 Agent 直接继承已有知识。

动态 Adapter 层（双维度解耦）

  • Plugin 维度 — 面向 Agent 平台（已支持 OpenClaw）
  • Provider 维度 — 面向记忆引擎（已内置 JiuwenMemory 和 Mem0）
  • 记忆跨平台继承，避免被单一框架锁定

基准性能

  • LoCoMo 测评集：JiuwenMemory 接入 OpenClaw，准确率提升 15%，Token 消耗降低超 60%

相关资源

  • 开源仓库：https://gitcode.com/openJiuwen/agent-memory/
  • openJiuwen 官网：https://www.openjiuwen.com/

相关交叉链接

→ 原文存档