Agent 的记忆不在对话里：把企业数仓沉淀为可治理的共享语义记忆｜QCon上海

事件

在 QCon 上海的一场分享中，演讲者提出一个关键判断：AI Agent 的记忆不应只停留在对话上下文里。对话历史虽然能维持短期连贯，但一旦涉及企业级任务，Agent 真正需要的是稳定、可复用、口径统一的业务语义，而这部分知识恰恰沉淀在企业的数据仓库中。

核心思路是把数仓中的表、指标、维度、口径和血缘关系，抽象成一层可治理的共享语义记忆。Agent 通过这层语义访问数据，而不是每次从零理解原始表结构。这样既避免了不同 Agent 对同一指标理解不一致，也让权限、审计、版本变更等治理能力可以统一施加在语义层上，而不是散落在各个提示词里。

这一方向的价值在于，它把 Agent 的记忆问题从「提示工程」转向「数据治理」。对企业而言，这意味着 Agent 的可靠性不再依赖单次对话的质量，而取决于语义层是否被持续维护。值得关注的是，语义记忆的构建与更新成本、以及如何与现有数仓和指标平台衔接，仍是落地时需要解决的重点。

来源

本条目由采集管线自动抓取并发布，完整内容见下方来源链接。

*采集源：InfoQ 中文*