【技术实现步骤摘要】
本专利技术涉及人工智能技术，尤其涉及一种基于冷热分层的ai智能体记忆管理方法及系统。
技术介绍
1、现有大模型长期记忆存储方案存在以下不足：随着长期海量数据的存储增加，向量数据库检索效率会明显下降、关系型数据库缺乏向量检索能力，且检索效率不高。现有技术通常采用简单的基于时间或访问频率的缓存淘汰机制，未能充分结合语义间的关联特性，导致重要但低频的信息被过早清理，影响智能体的长期记忆完整性。同时，对于迁移至低成本存储的冷数据，缺乏有效的热度监测与动态回迁机制，造成知识利用率偏低，无法实现冷热记忆的智能调度。
2、此外，向量数据库与分布式存储系统之间在数据迁移策略上多依赖人工规则或静态参数，缺乏对系统负载、水位变化等多因素的自适应响应能力，难以保障系统整体稳定性和高效性。因此，亟需一种支持语义感知、访问热度驱动、动态调节与自动回迁的ai智能体长期记忆管理方法，以提升大规模向量记忆的管理效率和系统适应性。
技术实现思路
1、本专利技术实施例提供一种基于冷热分层的ai智能体记忆管理方法及...
【技术保护点】
1.基于冷热分层的AI智能体记忆管理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取AI智能体的历史信息并进行预处理，将预处理后的数据转换为向量数据并存入向量数据库包括：
3.根据权利要求2所述的方法，其特征在于，将语义特征向量输入预先构建的包括词元层、语义块层和对话轮次层的多层次注意力网络，生成目标向量数据包括：
4.根据权利要求1所述的方法，其特征在于，基于向量数据建立访问记录，在滑动时间窗口内采用指数衰减函数计算得到每条向量数据的频率分数，同时基于向量数据之间的语义关联关系，进行归一化处理得到每条向量数...
【技术特征摘要】
1.基于冷热分层的ai智能体记忆管理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取ai智能体的历史信息并进行预处理，将预处理后的数据转换为向量数据并存入向量数据库包括：
3.根据权利要求2所述的方法，其特征在于，将语义特征向量输入预先构建的包括词元层、语义块层和对话轮次层的多层次注意力网络，生成目标向量数据包括：
4.根据权利要求1所述的方法，其特征在于，基于向量数据建立访问记录，在滑动时间窗口内采用指数衰减函数计算得到每条向量数据的频率分数，同时基于向量数据之间的语义关联关系，进行归一化处理得到每条向量数据的关联度分数包括：
5.根据权利要求1所述的方法，其特征在于，基于频率得分和关联度得分构建双阈值触发机制，当满足触发条件时生成待迁移数据，并对待迁移数据进行预迁移校验，通过两阶段提交协...
【专利技术属性】
技术研发人员：于洋，李栋，
申请(专利权)人：北京科杰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。