- 语义理解
- 长期记忆
- 认知智能
技术架构
从理解语境,到复用经验。
先弄清任务中的概念与约束,再决定记住什么、何时召回,以及如何验证经验有效。
FEATURES / DREAM
任务结束后,把经验整理好。
Dream 是 DeepDream 为智能体设计的后台记忆整理机制。它在会话之间回看任务日志、工具结果与反馈,更新智能体可读取的外部记忆,而不改动模型权重。
- 启动上下文
- 开始分析前,先确认团队和口径版本。
- 知识表征
- 指标词条关联新旧定义、变更记录和查询模板。
- 记忆笔记
- 增长团队的新口径从「登录」改为「核心操作」。
- 原始轨迹
- 保留审批记录和查询结果,供之后查证。
- CORRECT
用原始证据纠正记忆
发现笔记与日志或已确认结果不符时,区分「原来记错了」和「规则后来变了」。前者纠正,后者保留历史版本和生效时间;证据不足就标为待核实。
- ORGANIZE
把零散笔记整理成可导航的知识
按实体和主题合并重复条目,用词条、索引和链接串起相关经验。源记录仍可检索,查证时能回到原文,而不是只看摘要。
- PRIORITIZE
只预加载关键记忆
把已核实、反复有用的约束和索引放入精简的启动上下文;细节按需读取,过期内容降级,避免每轮会话都背着整套历史。
- FOCUS
围绕任务目标保留经验
指标分析优先保留口径、有效期和验算步骤。根据任务反馈判断哪些规则值得复用,而不是把所有操作都写入长期记忆。
- FILL GAPS
跨会话补上遗漏
对照不同会话,找出单次任务没看到的重复错误或遗漏条件。补充有证据支持的笔记,修复断链;没有依据的地方保留空白。
应用场景 · DATA AGENT
当「活跃用户」换了口径
增长团队调整了活跃用户的定义。下次分析异常时,Agent 应该知道新口径何时生效,为什么变更,以及哪些分析步骤仍然适用。
场景演示 · 非生产数据
指标:周活跃用户(WAU)
先确定分析用的是哪套口径
同一个指标名称可能对应多个部门定义。先识别团队与分析时段;无法确定时,向提问者确认,不默认沿用上一次的口径。
团队与时间范围已确认变更:登录 → 核心操作
留下新旧定义及各自的生效区间
把新定义、确认来源和生效时间一起记录。保留旧版本供历史查询,但不再把它当作当前口径。
证据与有效时间召回:已验证的渠道拆解步骤
只复用在当前条件下仍成立的经验
比较任务、权限、时间与来源。保留渠道拆解方法,排除仍按旧定义筛选用户的 SQL 模板。
相关性与适用条件复核:在同一口径下重算趋势
把口径切换和真实业务变化分开
用同一口径重算可比较时段,记录结论是否得到支持。把可复用步骤和适用条件写回,供下一次任务验证。
结果与反馈DEEPDREAM RESEARCH
不只记得,还要用得对。
从语义建模、记忆生命周期和反馈学习入手,探索智能体如何在真实任务中用好过往经验。