专题：memory-management

本文探讨智能代理框架与记忆管理的深度关联，指出封闭式框架导致数据锁定风险，强调开放架构对数据主权和系统灵活性的重要性。分析从RAG到LangGraph再到Agent Harnesses的技术演进，列举Claude Code、Deep Agents等典型案例，揭示当前记忆技术仍处于发展初期，缺乏统一规范。

本周AI领域呈现多点开花态势。阿里千问3.6在国产编程模型中脱颖而出，小米探索内存定价新模式，蚂蚁数科推出创新AI智能体。同时，行业监管政策持续完善，充电宝新国标明年实施，外卖平台需落实食品安全新规。这些进展既展示了技术创新活力，也体现了监管对技术应用的规范引导。

本文介绍LLM推理中KV缓存的优化方法，将每个令牌的存储开销从300KB降至69KB。通过压缩、分块存储和内存管理等技术，显著提升了模型的推理效率和资源利用率，具有重要的技术参考价值。

NVIDIA GreenBoost技术通过系统内存和NVMe透明扩展GPU显存，提升AI计算效率。适用于显存不足的训练和推理场景，依赖CUDA和驱动程序实现，具备良好的资源调度能力。

NVIDIA在GTC 2026上开源Memoria项目，这是一个AI Agent的可信记忆框架。通过类似Git的版本控制机制，Memoria实现了记忆的可追溯、可审计和协作管理，适用于多任务AI系统。其核心亮点在于‘Git for Memory’概念，为开发者提供API接口，提升AI Agent的记忆处理能力。

Grab通过引入时间感知型LRU算法优化Android图像缓存，提升存储效率并保持用户体验。该算法结合时间维度，智能回收缓存，减少服务器成本。核心亮点在于对传统LRU的改进与实际效果验证。

Amazon Bedrock 新增 Stateful Runtime，为基于 OpenAI 的 AI 代理提供持久化任务编排、记忆管理和安全执行三大能力。通过托管存储和沙箱环境，代理可在跨轮对话中保持状态并安全运行，无需自行搭建状态服务，显著降低企业构建多步骤 AI 工作流的技术门槛。

CORPGEN 是一种面向企业多任务场景的数字员工框架，利用层次规划、内存隔离和经验学习提升 AI 代理的任务完成率。实验在多任务环境（MHTE）中显示，传统代理完成率降至 8.7%，而 CORPGEN 提升至约 3.5 倍。其模块化设计可随底层模型升级而继续获益，未来将关注跨日持续表现和协作优化。

本文介绍了一个在 NVIDIA Jetson AGX Thor 上运行 LTX-2 19B 视频生成模型的开源流水线。该流水线实现了 1080p 视频生成，并重点解决了 Jetson AGX Thor 128GB 统一内存带来的内存管理挑战，包括避免无效的 CPU 卸载、手动内存清理、页面缓存问题以及 VAE 解码时的 `torch.no_grad()` …

本文系统介绍智能体记忆管理的双层架构与三种长期记忆类型，分析其在主流框架中的实现方式，强调记忆对AI系统学习与交互连贯性的重要性，具有较强的技术参考价值。