Agent记忆系统缺的不是向量数据库,而是摄入边界
AI Agent的记忆系统应先定义什么信息有资格成为记忆,而非直接用向量检索。当前方案存在prompt注入、数据泄露等安全隐患。
完整中文译文
大多数 AI Agent memory系统从检索层开始:选 embedding、加向量数据库、调 chunking、决定注入多少 context。
这是有用的工程,但起点晚了一步。
在问 Agent 应该如何检索记忆之前,我们需要先决定信息要满足什么条件才能成为记忆。
引入不等于信任
Agent 可以从网页、附件、笔记、聊天记录、导入的仓库、邮件和工具输出中捕获信息。每个来源都可能相关,但没有哪个是自动可信的。
如果捕获直接写入持久化记忆,系统会悄然合并三个不同的操作:
- 收集候选信息
- 声明该信息是用户知识图谱的一部分
- 允许未来的 Agent 从中推理或行动
这个捷径很方便,但它也是一次权限升级。
恶意网页可能包含 prompt 注入。过时的文档可能与当前策略冲突。私有附件可能被放入错误的项目。生成的摘要可能把一次推理变成一个看似可信的事实。一旦其中任何一个成为持久化上下文,后续的检索就能让这个原始错误看起来合理合法。
问题不在于向量搜索不好,而在于检索质量无法弥补缺失的信任边界。
将新物料视为隔离
在 ChaseOS Studio 中,新捕获的材料进入 Intake 而不是可信记忆。

Intake 是候选材料的审查队列。它保留物品的来源,并让人决定它是否属于工作区知识图谱。拒绝发生在物品成为持久化 Agent 上下文之前。
操作链是:
- Capture 收集候选材料
- Intake 将其隔离
- Review 决定什么可以加入知识图谱
- Approval 在执行前阻止有影响的操作
- History 保留发生过的证据
这将知识权威与执行权威分离。一样东西可以安全地阅读但不适合记住。一样东西可以安全地记住,但不足以成为发布、发送、购买、删除或修改受保护状态的权威依据。
这些是不同的决定,应该保持可见为不同的决定。
准入应携带出处
一个有价值的 intake 决策不能只有一个"接受"按钮。审查者应该能够回答:
- 这个物品来自哪里?
- 它试图进入哪个项目或工作区?
- 它是原始素材、提取的主张,还是生成的解读?
- 它是否与现有事实或策略冲突?
- 哪个 Agent 通道将允许检索它?
- 这个决定以后可以被撤销或取代吗?
这使得 provenance 成为记忆对象的一部分,而不是事后添加的元数据。
这也改变了检索的形态。Agent 不再搜索一个没有区分的池,而是可以获得一个 scoped view:相关的项目、允许的来源类型、当前决定,以及任务所需的最少历史记录。
目标不是给 Agent 用户的一切知识,而是给 Agent 完成工作所需的最小可信上下文。
审批是独立的边界
引入时的人工审查不能让后续每个动作都安全。
一份可信的项目简报仍可能导致用户不想自动执行的邮件、外部帖子或受保护的写入。因此 ChaseOS 将审批视为明确的运行时门禁。即使底层上下文已经可信,发布、外部发送和受保护的写入都会停止以等待人工决定。
这对无人值守工作很重要。"无人值守运行"不应该意味着"拥有无限权限"。它可以意味着 Agent 继续执行允许的步骤,在有影响的边界处暂停,并在审批后恢复。
这比无限制的自主性慢。少量的摩擦是有意的:它使得持久的后台工作更容易审查,也更容易信任。
历史是操作证据
审计跟踪应该记录的不只是最终的成功消息。
对于受治理的 Agent 工作,有用的历史包括:Agent 被允许读取什么、它产生了什么、哪个操作需要审批、什么被拒绝、以及运行为什么停止或继续。
这为操作员提供了一种诊断故障的实用方法:
- 来源不可信吗?
- 相关上下文在 Agent 的范围内吗?
- 策略是否正确地拒绝了该操作?
- 人工批准了不同的输出吗?
- 计划运行是否在未跨越受保护边界的情况下完成?
没有这个证据,"Agent 做的"就不是一个解释。
这就是我在 ChaseOS Studio 中实现的模型——一个面向受治理 Agent 和持久项目上下文的本地优先 Windows 工作空间。
当前产品包括:
- 私有类型化知识图谱
- 人工审批控制
- 允许无人值守工作的计划
- 以及用于检查的运行历史
Community 版本是 Windows 10/11 x64 的完整免费本地产品。ChaseOS Core 及其合约采用 MIT 许可。Studio 是商业桌面层。
边界很重要:托管运行时、加密同步、Agent 集群和 GPU 计算是路线图工作,不是发布时的声明。这不是说这个产品已经解决了所有记忆问题,而是说 admission control 应该从一开始就内置于架构中。
一个给其他 Agent 构建者的设计问题
当你的系统捕获一个页面、附件或工具结果时,在这些材料能够影响后续运行之前,到底发生了什么?
如果答案是"我们把它 embedding 了",那么缺失的组件可能不是另一种检索技术,而可能是一个 intake 边界。
我是 ChaseOS 的构建者,我会重视对这个模型的技术批评——特别是那些自动 admission 确实更安全或更有用的场景。
探索工作空间,查看 Intake 和审批模型,并下载免费的 Community 版本:https://chaseos.ai/?utm_source=devto&utm_medium=organic_content&utm_campaign=governed_intake