HiGram 给 Agent 记忆加上“路径定位”：先找证据，再改记忆

你有没有遇到过这种 Agent：明明记住了很多东西，一到信息更新就开始胡说？旧事实还在，新事实也进来了，最后两条互相打架。问题往往不在“记忆容量不够”，而在更新时把整张记忆图当成一锅粥。

8 月 5 日提交到 arXiv 的论文 Hierarchical Graph Memory for LLM Agents with Path-level Localization and Rewrite，提出了一个更细的思路：先定位与当前问题和新更新有关的证据路径，再只改这条路径上的记忆和依赖关系。论文把这套框架命名为 HiGram。原文：arXiv:2608.05095。

Agent 记忆的麻烦，不只是“找不到”

传统的图记忆会把事实、关系和历史信息放进一张图里。图变大以后，检索很容易带进无关上下文，证据筛选也会变贵。另一个麻烦是更新粒度：很多方法一次只改一个 MemoryUnit。可现实里的结论经常由几条互相依赖的事实共同支撑，单改其中一条，旧的下游关系可能还会继续参与回答。

HiGram 的判断很直接：记忆的组织粒度和推理依赖的证据结构没有对齐。 查询只需要一小段相关证据，更新却可能沿着依赖关系传播。要是每次都全图搜索、逐单元重写，记忆越长，维护成本越高。

HiGram 的三步：分层、定位、协同重写

第一步是层级图记忆。论文把图分成上层节点和底层 MemoryUnits。上层节点按照主题、对象类别和上下文做粗粒度组织，MemoryUnits 保存具体事实和显式依赖。这样，系统先从较大的区域缩小范围，再进入细节，不必一开始就遍历全部历史记忆。

第二步是 MicroGraph 路径定位。给定一个查询和一条更新，系统先把更新临时表示成 MemoryUnits，抽取主题和对象类别作为锚点，找到相关的 MicroGraph，再组成支持子图。支持子图仍可能包含多条证据链，所以系统继续枚举候选路径，依据属性匹配、依赖一致性、时间有效性和上下文兼容性，选出真正受影响的证据路径。

第三步是协同重写。系统先更新路径里受影响 MemoryUnit 的内部状态，再检查依赖它们的其他单元。如果下游结论仍有有效证据，就保留；如果支撑关系已经失效，就标记为过时，并从当前证据视图排除。历史记录没有被粗暴抹掉，新的状态和依赖也一起更新。

这套设计的重点不在“把记忆做成更复杂的图”，而在于把更新动作限制在一个有边界的证据区域内。对 Agent 来说，记忆维护从“改一堆相关条目”变成“改一条可解释的证据链”。

论文结果：质量上升，输入也变短

作者在长时对话问答数据集 LoCoMo 和冲突记忆评测 MemConflict 上测试 HiGram。LoCoMo 按 Single Hop、Multi-Hop、Open Domain、Temporal 和 Adversarial 等问题类型评估；MemConflict 则区分动态、静态和条件冲突，并观察回答准确率、更新顺序一致性、冲突识别以及证据是否进入前 3 个结果。

在 LoCoMo 上，论文用 GPT-5.4 和 GPT-4o 生成答案。表格结果显示，HiGram 的平均 F1、BLEU 和 LLM-J 在两种答案模型下都处于表格最高一档。以 GPT-5.4 设置为例，HiGram 的平均分为 50.62、46.16 和 78.83，最终答案生成使用的 token 数为 2031.5；完整对话上下文设置的 token 数是 28345.6。论文还报告，HiGram 只使用完整上下文 token 量的 7.2%。

在 GPT-4o 设置下，HiGram 的平均 F1、BLEU 和 LLM-J 分别为 52.51、49.83 和 83.65，token 数为 2328.9。在 MemConflict 上，HiGram 的 Dynamic AA、UOCS、Static AA、CRS、Conditional AA、Macro-AA、SEH@3 和 SRS 分别为 44.78、49.14、68.75、68.06、90.00、67.84、81.06 和 77.31。这些数字是论文在特定数据集、模型和评测设置下的结果，不等于所有 Agent 产品都会得到同样收益。

论文也给了边界：HiGram 在 Open Domain 问题上的优势没有那么明显，因为所需的外部知识如果不在存储历史里，局部记忆检索本身解决不了这个缺口。路径定位能减少无关证据，却不能凭空创造新知识。

我的判断：Agent 记忆的下一个瓶颈是“更新责任”

过去大家谈 Agent 记忆，常问两个问题：能存多少，能不能检索到。HiGram 把问题往前推了一步：当一条事实变化时，哪些结论必须跟着变化？ 这是比“召回相关文本”更接近真实工作的难题。

这也解释了为什么路径级重写值得关注。企业知识库、长期客服和个人助理都会遇到事实冲突；如果系统只会追加新内容，旧依赖就会像幽灵一样继续影响回答。能定位、能更新、还能保留历史状态，才更像可维护的记忆系统。

当然，HiGram 还是一篇预印本，实验规模和数据集边界都写在论文里。真正落地时，路径识别的错误、更新证据的质量、图结构的长期膨胀，都会继续考验系统。

Agent 记忆真正难的地方，不是记住更多，而是知道哪条旧结论已经失去资格。