#OpenTelemetry

11/9（一）

• 商傳媒·17:15

  AI代理人協同作業陷瓶頸 專家呼籲統一記憶格式

  圖／示意圖商傳媒｜林昭衡／綜合外電報導AI人工智慧發展迅速，其中「AI代理人（AI Agents）」技術逐漸受到關注。然而，這些能獨立執行任務的軟體代理人卻面臨記憶無法共享的困境，嚴重阻礙了跨工具的協同工作。為此，在 Dash0 負責 OpenTelemetry 開發的 Mads Thines 呼籲業界應為 AI 代理人的記憶制定一套共通格式。 根據《LavX News》報導，Mads Thines 指出，目前的程式開發工具儘管能儲存有用的筆記，卻無法可靠地分享資訊，原因在於每個工具都採用了不同的資料綱要（schema）與儲存系統。這導致 AI 代理人所建立的筆記被困在單一工具中，無法被其他編輯代理人或審查機器人存取。Mads Thines 將當前 AI 代理人記憶的現況，比喻為 OpenTelemetry 問世之前的可觀測性（observability）領域：當年各家廠商使用不同的代理程式與資料格式，導致開發者難以整合資料；而 OpenTelemetry 則提供了一套共享的資料模型與協定，讓開發者能一次埋設程式碼，便將資料發送至整個生態系中的工具。 目前，AI 代理人的記憶實作方式五花八門，例如 GitHub Copilot Memory 會將事實與程式碼引用連結，並在 28 天未使用後移除；LangGraph 的 BaseStore 則採用命名空間與鍵值，並可選用生命週期（time-to-live）設定。Graphiti 與 Zep 則將事實建模為圖形邊緣，追蹤事實套用與系統記錄的時間。Mads Thines 認為，這些不同的設計中蘊含許多有價值的概念，若能整合為一套共通格式，將可結合可追溯的來源、明確的過期機制，以及簡潔的鍵值儲存方式。此格式無需強制各系統採用相同的方法來提取、排序或搜尋記憶，保有各廠商的競爭空間。 Mads Thines 提議，共通的記憶紀錄應包含作用範圍（scope）、鍵值（key）、內容、生命週期以及作者資訊，明確標示該記憶是由人類、AI代理人還是提取服務所寫，以利工具評估記憶的可信度。此外，他也建議制定共享的位址層級與屬性名稱規範，以及寫入、讀取、列表、搜尋、歸檔等操作的共通合約。中立組織而非特定廠商應出面協調這項工作，以避免再次加深碎片化問題。他以 LoreKit 的 MIT 授權資料綱要與磁碟儲存格式作為其中一個輸入範本，其離線儲存可寫入 Markdown 檔案，方便開發者檢查與比對。 然而，記憶共享也帶來「提示注入（prompt-injection）」的潛在風險，亦即一個工具寫入的內容可能會影響或操縱另一個工具。為此，Mads Thines 建議記錄作者資訊、支援簽章，並將記憶連結到相關程式碼，讓讀者能檢查變更，以提升安全性。

  #AI代理人#記憶格式#OpenTelemetry#協同作業#人工智慧