Mem++：面向企业级智能体的非破坏性记忆

作者：Ahmad Yehia、Aly O. Abdelkareem、Islam Ahmed、Hesham Omran、Khaled Alashmouny、Christian Claudel、Abduallah Mohamed 发布：2026-10-01 · arXiv

一句话总结

Mem++ 提出一种非破坏性记忆架构：不在写入时压缩信息，而是完整保留决策的版本化记录，从而支持跨月演化文档的时间定位式问答。

核心问题

现有长期记忆方案（Mem0、A-MEM、MemGPT 一类）在企业场景下有个共同隐患：写入时就做压缩。一旦摘要化，原始决策链就丢了，几个月后再问"当初为什么这么定"，模型只能给出压缩后的残缺答案。

方法要点

• 全量保留：每次决策都存完整版本，不覆盖、不摘要
• 时间锚定：每条记录带时间戳，支持"回到某个时点的知识状态"这类查询
• 组织级适配：面向企业文档持续演化的场景设计，而非单次对话

实践价值

企业知识库的核心诉求是可追溯。Mem++ 把"记忆"从"摘要"重新定义为"可回溯的记录"，对审计、合规、复盘类需求价值明显。

适合：企业知识助手、需要长期留存决策依据的 Agent 系统。

论文：Mem++: Non-Destructive Memory for Long-Term Organizational LLM Agents