MEMORY / 问题先行

专业 Agent 为什么需要对象化记忆，而不只是向量检索？

因为专业任务不仅要找到相似文本，还要知道资料属于哪个客户或案件、人物之间是什么关系、事实由哪份证据支持、规则在什么条件下适用，以及谁有权限作出结论。对象化记忆把这些关系和状态保留下来，向量检索则作为其中一种召回手段。

定义：什么是对象化记忆？

对象化记忆把客户、机会、案件、当事人、合同、条款、判例、任务、交付物和责任人等建成可持续引用的业务对象，并保存属性、关系、事件、来源、权限与状态。它的目标不是把全文切块后“都能搜到”，而是在当前任务里取回正确对象与原文依据。

明确这条事实属于谁、处于什么事项和状态，避免同名客户、旧版本或不同案件混在一起。

从材料中提取对象、属性、事件、角色、条件与证据，同时保留原文回引，便于核对。

表达谁参与哪个事项、哪条证据支持哪个事实、哪个条款产生何种义务，以及任务由谁负责。

根据任务、用户身份、权限和事项状态，组合结构化对象、关系、向量召回与原文证据。

Agent 可以抽取候选对象和关系、合并可确认的别名、定位相关原文、列出冲突与缺失、生成带来源的工作初稿，并在新材料出现时提出对象状态更新建议。输出应区分已知事实、模型推断、待核实事项与所用来源。

专业人员确认对象是否同一、证据是否有效、规则是否适用，并对法律意见、销售判断、咨询结论与对外交付负责。数据负责人决定访问权限、保留期限和敏感信息处理；Agent 不应自行扩大资料范围或把推断写回事实字段。

适合需要长期上下文、角色关系、证据链和持续状态的专业工作，例如复杂销售机会、合同审查、案件研究、咨询项目和培训交付。若只是一次性检索公开资料或对单篇文档摘要，轻量向量检索可能已经足够，不必过度建模。

搜得到不等于用得对：相似文本可能属于另一客户、旧合同或不适用条件。
图谱不等于事实：自动抽取出的关系仍需来源和确认状态。
记忆越多不等于越好：权限、时效与任务相关性决定应调取什么。
有 RAG 不等于有判断：检索支撑判断，但不承担专业责任。

本文依据 SoloHarness 设计说明中的对象化记忆、本体抽取、关系图谱和任务级检索方法。文中的法律、销售与咨询场景用于解释结构，不代表已公开的客户案例；SiliconFlow 在该项目说明中只作为向量模型，不延伸为其他模型能力声明。

WECHAT / 专业知识系统

加微信时可以说：“我想梳理一类专业资料的对象和关系。”带一个脱敏任务与几份样例，先判断轻量检索是否够用，再决定建模深度。