课程简介

基于大语言模型的智能体近年来引起了学术界和工业界的广泛关注，作为记录历史信息、交互信息和外部知识的载体，记忆是提升智能体能力的重要手段，也是推动大模型智能体和多智能体在产业落地应用的关键途径。

庞大的，不断增长的记忆库本身就是一个金矿。大模型智能体和多智能体被认为是推动大语言模型在产业落地的重要技术路径。由于智能体记忆的概念本身相对笼统，同时，具体记忆内容往往与应用高度相关，企业若想构建更强的多智能体，需解决传统AI和自动化方案在持续性、上下文感知、跨领域和知识传承方向的核心短板。

本次分享将系统总结大模型智能体记忆的典型来源、以及实现形式、存储管理机制的代表性路线，并分享研究团队在多会话记忆、个性化记忆、任务型记忆、多模态记忆等类型的智能体记忆，多智能体共享记忆和组合记忆，以及记忆增强的大模型多智能体应用等方向的研究成果及思考，为相关领域关注者，提供权威性的参考方向。

课程收益

1、帮助学员系统掌握智能体记忆与多智能体记忆的核心理论框架与研究脉络；

2、帮助学员深度了解记忆增强型多智能体系统的工程化落地方法论；

3、赋能企业构建“群体数字大脑”，驱动智能化升级与核心竞争力重构

受众人群

人工智能工程师、算法研究员、大模型架构师、机器人工程师、产品经理（AI方向）、数据分析师、数据科学家、业务运营专家、 CTO、技术副总裁、数字化转型负责人以及其他对大模型感兴趣的人员

课程周期

 0.5天（3H） 

课程大纲

1、大模型记忆主要研究进展

2、大模型智能体的概念和类型

3、大模型智能体和多智能体的记忆形式

4、大模型智能体记忆研究及体会

5、大模型多智能体记忆

6、记忆增强的大模型多智能体应用