AI 智能体认知基础设施

读懂语境,
记住经验。

DeepDream 研究 AI 智能体如何理解业务语义、更新长期记忆,并在下一次任务中用对经验。

FIG. 01 / 记忆场
语义与时间共同决定,哪些经验在此刻有用。
DEEPDREAM

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。

架构示意 · 周活跃用户(WAU) 一条业务记忆的四个层次
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

记忆决策记录

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。

查看技术架构