在AI工具广泛应用的今天，我们尝试用多个智能体组建一个高效协作团队，期望它们像人类专家一样解决问题。但实际测试中发现，这些智能体在讨论过程中逐渐失去了目标，甚至混淆了彼此角色。这不是设计失误，而是当前多智能体系统普遍存在的“集体失忆”问题。来自艾伦·图灵研究所、伦敦国王学院等机构的研究者们，最近提出了一种新方法，或许能解决这个长期困扰AI协作的难题。

为何Multi-Agent总是“集体失忆”？

这个问题的根源在于大模型的“上下文窗口”限制。可以想象成一个会议室里的白板，当新内容写满后，必须擦掉旧内容才能继续。单个智能体时这个问题还不明显，但多个智能体协作时，信息量暴增，白板很快被写满并反复擦除。关键的初始需求和中间结论被遗忘，导致团队协作失去根基。虽然业界尝试过检索增强生成（RAG）或共享记忆库等方法，但这些方法像给所有专家发一份统一整理的会议纪要，虽然保存了信息，但每个专家独特的思考角度和推理过程被“拉平”，违背了组建多智能体团队的初衷。

内在记忆代理：Agent的私有笔记本

为了解决这个困境，研究者们提出了一种名为“内在记忆代理”（Intrinsic Memory Agents）的框架。它的核心思想很简单：与其让所有人看同一份会议纪要，不如让每个专家在参与公共讨论的同时，拥有一本自己的“私有笔记本”，并建立一套高效的会议规则。

核心设计一：异构的“私有笔记本”

这个框架的基础是为每个AI智能体配备一个完全独立的记忆系统。它有三个关键特点：

异构与独立的记忆：每个AI智能体都有自己的记忆库，就像每个专家都有自己的笔记本，记录着从自己视角看到和想到的东西。这保证了视角的多样性。

结构化的记忆模板：这本“笔记本”不是随意涂鸦的，而是遵循一个与其角色匹配的JSON格式模板。比如一个“数据库工程师”AI的笔记本里会有“数据库选型”、“当前方案”、“风险评估”等清晰的栏目，确保了记录的有效性。

内在的记忆更新：最关键的一点是，每个AI在公开发言后，会自己思考并更新自己的笔记本，而不是依赖外部工具做总结。这保证了记忆的更新完全忠实于它自己的“思路”。

核心设计二：共享的“会议白板”与共识机制

那么问题来了，既然大家的笔记本都是私有的，信息要怎么同步？团队又该如何协作并达成一致？这个框架的设计是“共享白板”加“会议规则”模式。

共享的“会议白板”：所有AI的公开对话都会被记录在共享的“对话历史”上，这就像一块所有人都能看到的公共白板。每个智能体可以随时查看对话内容，确保信息同步。

共识机制：系统会自动追踪讨论进展，当达成共识时，会标记出关键决策点。这种方式让团队在保持独立思考的同时，也能高效达成一致。

亲身验证"会议室"的神奇效果

为了验证这个框架的实际效果，我复现了论文中的"内在记忆智能体"框架，并选择了一个更贴近商业实战的场景，让8位AI专家协作制定一个完整的sales-led的Go-To-Market（GTM）市场进入战略。

搭建一个"AI董事会"：8位专家的专业分工

在下方的示例中是一款名为"HealthMind AI"的健康管理SaaS虚构产品（仅做示例），Multi-Agent的任务是为此召开战略规划会议。为此我精心设计了一个完整的AI专家团队，让每位成员都拥有清晰的专业定位和独立的"记忆笔记本"：

市场策略专家（MSE）：专注竞争分析和市场细分，记忆模板包含"竞争格局分析"、"目标客户画像"、"市场机会评估"等专业栏目。

产品定位专家（PPE）：负责价值主张和差异化定位，专门记录"核心价值主张"、"产品差异化"、"市场适配度"等关键要素。

销售渠道专家（SCE）：擅长渠道建设和合作伙伴关系，记忆系统聚焦"渠道策略"、"合作伙伴管理"、"销售流程"等实操内容。

财务规划专家（FPE）：控制预算和ROI，笔记本里全是"预算分配"、"ROI预期"、"成本结构"等精确的财务数据。

对话协调专家（CDA）：担任"会议主持人"，专门追踪"讨论进展"、"共识状态"、"决策节点"等协调信息。

这种设计确保了每位专家都能带着自己部门的专业视角参会，就像真实的董事会会议一样。

"会议进行时"：看得见的记忆更新过程

精确的记忆更新频次：15轮深度讨论，系统精确地进行了15次记忆更新，每次只有发言的专家更新自己的记忆。

异构化的专业记忆：财务专家的记忆里满是"2800万元总预算"、"企业市场ROI 145%"这样的精确数字，而品牌专家则专注于"降低企业医疗成本12-18%的可量化承诺"等品牌信息。

智能的注意力分配：系统严格按照三层优先级策略工作，任务描述获得最高优先级，每位专家的专业记忆紧随其后，最近的对话历史根据剩余空间动态填充。

实时的记忆可视化：每次记忆更新都清晰可见，显示了具体的变化内容和当前状态，让整个"私人笔记本"的演进过程一目了然。

最终结果：不同专家的建议形成了相互支撑的整体，各专家之间的策略完美匹配。

这种异构化的记忆结构确保了每位专家都能从自己的专业角度深度思考，而不会被其他领域的信息"干扰"。这是真正具有共识的"团队智慧"，这说明"内在记忆智能体"框架确实能够在复杂的商业场景中发挥作用，关键的是能让每个Agent保持了自己的专业特色和思考角度，不会被统一的上下文信息"同质化，并且通过共享的"会议白板"实现了信息的有效传递和共识达成。这份代码周末我会分享在我的Agent开发者交流群中，欢迎您一起来讨论！

对AI工程师的启示

这项研究为我们开发复杂的AI应用提供了极具价值的思路。它告诉我们，构建高效的AI团队，关键可能不在于一个多么强大的中央大脑或共享记忆库，而在于如何让每个成员都能“守住”自己的专业视角，同时又能高效地达成共识。关于现实中的共识，感兴趣您可以看一下前天的文章《AI时代还用德尔菲法？其实“少数人”远比“多数人”更有价值 ｜谷歌最新》，研究者也提及目前这个框架的记忆模板还需要我们手动设计，但这无疑打开了一扇新的大门，未来的研究或许能实现模板的自动生成，让构建这样一个各司其职、记忆独立的AI专家团队变得更加简单。