铃阅时讯
❌

普通视图

Agent 为什么会“忘事”-Agent的记忆管理

2026年9月1日 17:52

原创 小编 2026-09-01 17:52 北京

Agent 为什么会“忘事”:从上下文拼接到可治理的记忆系统

很多团队第一次把 Agent 接入真实业务时,都会遇到一个看似简单、实际很棘手的问题:它明明在前几轮对话里看过这些信息,为什么后面还是会问同样的问题,或者根据已经过期的内容做决策?

常见的第一反应是扩大上下文窗口、把更多历史消息塞回 Prompt,甚至把整个会话原样回放。但这往往只能延缓问题,不能真正解决问题。

Agent 的“记忆”不是模型天然具备的能力,而是应用层围绕上下文构建的一套工程系统。它需要决定哪些信息值得留下、哪些信息应该更新、什么时候召回,以及如何避免无关或错误记忆污染当前任务。

本文从运行机制出发,梳理 Agent 记忆系统的核心概念、常见实现方式和落地路径,重点讨论一个生产系统真正需要回答的问题:

当前这一轮请求,究竟应该把哪些历史信息带给模型?


一、先区分两个容易混淆的概念

1. 上下文是“当前可见信息”

对模型来说,一次调用就是一次独立推理。模型能够利用什么,取决于本次请求中实际传入的内容,包括:

  • 系统指令

  • 用户当前输入

  • 最近几轮消息

  • 工具调用结果

  • 应用主动检索并注入的历史信息

  • 任务状态或结构化变量

这些内容共同构成当前上下文窗口。它们像工作台上的材料,模型只能使用已经摆到工作台上的东西。

2. 记忆是“跨时间保存并可再次使用的信息”

记忆则发生在模型之外。应用需要把信息提取出来,存放到数据库、文档库、向量索引或其他存储中,等未来某次请求需要时再召回。

所以,“模型记住了用户喜欢 TypeScript”并不准确。更准确的描述是:

  1. 应用从历史交互中识别出这条偏好;

  2. 将偏好写入外部记忆存储;

  3. 新请求到来时检索到它;

  4. 把它放入当前 Prompt;

  5. 模型据此生成回答。

这个过程里,模型负责理解和推理,应用负责保存、筛选和编排。


二、为什么把全部历史放回 Prompt 仍然不够

最朴素的方案是每一轮都携带完整聊天记录。它确实能让 Agent 在短时间内表现得像“有记忆”,但很快会遇到四类问题。

2.1 上下文窗口始终有限

窗口再大也不是无限的。随着会话变长,系统最终仍然要做截断、压缩或摘要。更大的窗口只是把决策点推迟,并没有替应用做出信息取舍。

2.2 成本和延迟会随历史增长

如果每轮都重复发送大量历史,输入 Token、首字延迟和整体费用都会上升。长上下文还会增加调试难度:当模型答错时,很难判断是指令、历史事实、工具结果,还是某一段旧消息造成了干扰。

2.3 信息越多,不一定越容易找到重点

模型可能对上下文的不同位置表现出不同注意力。关键事实被大量普通对话包围后,即使它仍然存在,模型也未必能稳定利用它。把信息放进窗口,不等于让信息变得可用。

2.4 历史事实会发生变化

“项目使用 React”可能在下个月变成“项目已经迁移到 Vue”。如果系统只是不断追加历史,而没有更新和失效机制,检索出来的内容就会同时包含新旧结论,最终把冲突交给模型自行判断。

因此,记忆系统的目标不是“尽可能多地保存”,而是:

为当前任务生成一份足够准确、足够精简、来源可追溯的上下文。


三、建立一套记忆分层模型

把所有信息都称为“记忆”会导致存储和检索策略混乱。更实用的做法,是按照信息的生命周期和用途进行分层。

3.1 工作记忆:当前任务正在发生什么

工作记忆通常位于当前上下文中,内容包括:

  • 当前用户问题

  • 正在执行的步骤

  • 已经完成的工具调用

  • 当前任务的中间结果

  • 还没有解决的错误

  • 最近几轮对话

它的优点是访问快、语义完整、无需检索;缺点是消耗窗口空间,且通常不能自然跨会话延续。

适合放入工作记忆的信息,应该与当前任务强相关。例如在排查部署失败时,当前分支、最近一次构建日志和已经尝试过的修复,都比半年前的一段闲聊更重要。

3.2 情节记忆:过去具体发生过什么

情节记忆保存事件和过程,强调“当时发生了什么”。例如:

  • 某次发布因配置错误失败,最后回滚;

  • 用户曾经要求保留某个兼容性方案;

  • 某个需求经过讨论后放弃了一个实现路径。

这类信息通常需要保留原始片段、时间、来源和关联对象,便于日后追溯。它适合使用文档存储加向量检索,也可以结合时间过滤和关键词过滤。

3.3 语义记忆:当前已知的事实是什么

语义记忆是从多个事件中提炼出的稳定事实,例如:

项目:订单服务
当前数据库:PostgreSQL
前端框架:Vue 3
部署环境:Kubernetes

这类信息回答的是“现在是什么”,通常比原始对话更适合精确查询。由于事实可能更新,存储时最好同时记录:

  • 事实键和值

  • 来源

  • 更新时间

  • 生效范围

  • 置信度

  • 是否已过期

3.4 过程记忆:应该如何完成一类任务

过程记忆描述做事方法和约束,例如:

  • 发布前必须执行回归测试;

  • 修改数据库前要先生成迁移预览;

  • 处理生产数据时必须经过审批;

  • 某类代码要遵循团队约定的目录结构。

过程记忆通常不应该和普通聊天记录混在一起。它更接近版本化的 Prompt、Skill、策略配置或工具使用规范,需要有明确的版本、权限和回滚机制。

3.5 一个简单的分类表

类型

主要回答

典型内容

更适合的载体

关键治理点

工作记忆

现在正在做什么

当前步骤、工具结果、最近消息

上下文、会话状态

Token 预算、截断、摘要

情节记忆

过去发生过什么

某次故障、一次决策、历史过程

文档库、向量索引

来源、时间、切块、保留期限

语义记忆

现在是什么

技术栈、偏好、当前版本

KV、关系库、图数据库

去重、冲突更新、有效期

过程记忆

应该怎么做

流程、规范、工具策略

版本库、配置中心、Skill

版本、权限、审批、回滚

分层的意义在于:不同类型的记忆,应该使用不同的写入、查询和更新规则。


四、一轮请求中的记忆运行时

记忆系统并不是简单地“查一下数据库”。一轮请求通常包含以下流程:

flowchart LR
    A["接收请求"] --> B["识别任务与作用域"]
    B --> C["召回候选记忆"]
    C --> D["过滤、重排、去重"]
    D --> E["摘要与 Token 预算控制"]
    E --> F["组装当前上下文"]
    F --> G["调用模型与工具"]
    G --> H["异步抽取并更新记忆"]

4.1 先确定作用域,再做检索

记忆至少要区分用户、租户、项目和会话。否则,某个项目的配置可能被错误地召回到另一个项目,甚至出现跨用户信息泄漏。

建议在记忆记录中显式保存类似以下元数据:

{
"user_id": "u-123",
"tenant_id": "tenant-a",
"project_id": "project-x",
"session_id": "session-456",
"memory_type": "semantic",
"source": "conversation-789",
"updated_at": "2026-08-20T10:30:00Z"
}

检索时,作用域过滤应当是硬约束,而不是交给模型判断的软提示。

4.2 候选记忆不等于最终上下文

向量检索返回的是候选集合。应用还需要根据当前任务进行:

  • 相关性重排;

  • 时间和有效期过滤;

  • 重复内容合并;

  • 新旧事实冲突处理;

  • 敏感信息过滤;

  • 长度压缩;

  • Token 预算分配。

最终进入 Prompt 的内容应该少而准,而不是把检索结果原样倾倒给模型。

4.3 回写最好异步完成

在回答结束后,可以异步完成记忆抽取和更新,避免用户等待。回写过程通常包括:

  1. 判断新信息是否值得保存;

  2. 识别它属于哪种记忆;

  3. 提取结构化字段或保留原始片段;

  4. 与已有记录去重;

  5. 检查冲突并更新状态;

  6. 保存来源和时间信息。

如果每条对话都写入长期记忆,系统很快会被低价值内容淹没。记忆写入本身也需要门槛。


五、常见实现方式与适用边界

5.1 截断和滑动窗口

只保留最近若干轮消息,超出范围的历史直接丢弃。

优点:实现简单,成本低,适合局部性很强的短对话。

问题:早期决策和关键约束会直接消失,无法支持跨会话记忆。

它可以作为基础兜底,但不适合作为复杂 Agent 的完整记忆方案。

5.2 滚动摘要

当历史超过阈值时,让模型把较早对话压缩成摘要,并保留最近几轮原文。

一个实用的上下文组合通常是:

系统约束
+ 当前任务状态
+ 长期记忆中与任务相关的事实
+ 历史摘要
+ 最近若干轮原文
+ 当前用户输入

摘要能延长有效对话周期,但它并非无损压缩。数字、条件、例外和否定关系尤其容易在摘要中丢失。因此,重要决策不应只存在于自然语言摘要里,最好同步写入结构化状态。

5.3 RAG 式记忆

把历史片段切块、向量化并存入检索系统,之后根据当前问题召回相关内容。

它擅长回答“过去有没有发生过类似事情”,优势是保留原始证据,方便追溯;但它也容易召回过期信息、重复信息和相互矛盾的信息。

RAG 记忆要想稳定,至少需要配合:

  • 元数据过滤;

  • 时间衰减或有效期;

  • 混合检索;

  • 结果重排;

  • 记忆来源展示;

  • 过期和删除机制。

5.4 事实抽取

不保存全部原始对话,而是把其中有长期价值的信息提炼成结构化事实。

例如:

{
"key": "user.preferred_language",
"value": "TypeScript",
"scope": "user",
"source": "conversation-789",
"valid_from": "2026-08-20T10:30:00Z",
"status": "active"
}

事实抽取适合偏好、技术栈、项目配置等状态型信息。它的难点在于抽取错误和覆盖错误:模型可能把一次临时尝试误判成长期偏好,也可能用新错误值覆盖旧的正确值。因此必须保留来源,并在必要时要求确认或设置置信度。

5.5 知识图谱与时序记忆

当业务中有大量实体、关系和状态变化时,图结构比单纯的文本相似度更有表达力。例如:

用户 -> 负责 -> 订单服务
订单服务 -> 部署于 -> 集群 A
集群 A -> 当前版本 -> v2

如果关系还会随时间变化,就需要额外记录生效时间和失效时间。

图谱适合 CRM、项目协作、企业知识和长周期个人助手等场景,但建设成本、数据建模成本和维护复杂度都更高。只有当关系查询确实成为瓶颈时,才值得引入。

5.6 主动调页式记忆

另一种思路是让 Agent 通过工具主动管理自己的记忆,例如提供:

  • 写入记忆;

  • 查询记忆;

  • 更新事实;

  • 删除记忆;

  • 获取历史片段。

这种方式的自主性更高,但也带来新的控制问题:Agent 可能过度写入、错误删除,或者在不该检索时调用记忆工具。生产系统需要在工具层增加权限、范围和审计约束,不能完全依赖模型自律。


六、RAG 和事实抽取应该如何组合

RAG 与事实抽取经常被拿来比较,但它们解决的是不同问题。

RAG 更适合保留证据

RAG 保存“发生过什么”,适合:

  • 回顾历史决策;

  • 查找故障处理过程;

  • 找到某条信息的原始来源;

  • 处理开放式、语义不确定的问题。

事实抽取更适合维护状态

事实抽取保存“目前是什么”,适合:

  • 用户偏好;

  • 当前技术栈;

  • 当前项目版本;

  • 账户或业务状态;

  • 具有明确键值关系的信息。

比较稳妥的组合是:

用结构化事实支持快速决策,用 RAG 提供原始证据和过程追溯。

例如,模型需要回答“项目现在使用什么前端框架”,可以先读取结构化事实 frontend_framework = Vue;如果用户追问“什么时候从 React 切换过来的”,再通过 RAG 查找迁移过程和相关决策记录。

每条结构化事实最好都保留来源指针。这样既能快速使用,又不会失去可解释性。


七、如何选择实现工具

工具选择不应从“哪个产品功能最多”开始,而应从业务最主要的记忆类型开始。

可以用下面的判断方式:

主要需求

优先考虑的方向

个人偏好、跨会话事实、快速接入

结构化事实记忆层

历史事件、原始证据、时间线

文档库与混合检索

多实体关系、状态变化、复杂关联查询

时序知识图谱

Agent 主动管理上下文和记忆工具

分层记忆运行时

已经使用某个 Agent 编排框架

优先采用其生态内的状态和记忆组件

具体工具只是实现选择,不能替代记忆治理。无论使用什么组件,都需要自己回答:

  • 记忆的作用域是什么?

  • 什么内容允许写入?

  • 过期信息如何处理?

  • 冲突由谁解决?

  • 用户如何查看和删除?

  • 如何评估召回是否有用?

如果这些问题没有答案,换一个记忆框架通常也只是把问题换了一个位置。


八、推荐一条渐进式落地路径

记忆系统适合逐步建设,不适合一开始就做成“万能平台”。可以按以下三个阶段推进。

阶段一:先让会话内任务稳定

目标是解决同一轮长对话中的任务状态丢失。

建议组合:

  • 保留最近几轮原文;

  • 增加滚动摘要;

  • 单独维护结构化任务状态;

  • 设置明确的 Token 预算;

  • 记录已完成步骤和待处理事项。

这一阶段不需要复杂的向量数据库,先让 Agent 能稳定回答“我们已经做了什么、现在进行到哪一步”。

阶段二:补充跨会话事实

当用户开始期待个性化体验时,再加入长期语义记忆,例如:

  • 用户偏好;

  • 项目技术栈;

  • 团队约定;

  • 长期有效的业务约束。

此时要同步加入作用域、来源、更新时间、冲突更新和删除能力。长期记忆一旦影响真实操作,就不能只当作一个“黑盒召回接口”。

阶段三:在确有需要时引入关系和主动调页

当系统出现以下特征时,再考虑图谱或主动记忆工具:

  • 同一批实体之间存在大量关系;

  • 关系会随时间持续变化;

  • 查询需要跨多个实体和事件推理;

  • 固定的自动召回规则已无法满足复杂任务。

复杂技术应该由真实问题驱动,而不是由架构图驱动。


九、记忆写入和更新的四条规则

规则一:不是所有信息都值得记

可以在写入前询问:

这条信息在未来是否可能改变 Agent 的回答或行动?

如果答案是否定的,就不必写入长期记忆。一次性的寒暄、临时猜测和低价值重复内容通常不应该持久化。

规则二:每条记忆都要有边界

同一句话在用户、项目和会话三个层级上的含义可能不同。例如“我们使用 PostgreSQL”可能只是当前项目的约束,并不代表用户所有项目都使用 PostgreSQL。

作用域应该成为数据模型的一部分,而不是写在备注里的说明。

规则三:更新比追加更重要

长期记忆如果只有新增没有更新,最终必然变脏。至少要支持:

  • 新增;

  • 合并;

  • 覆盖;

  • 标记过期;

  • 软删除;

  • 冲突保留与人工确认。

规则四:记忆必须可以解释

当 Agent 根据某条长期记忆做出重要决定时,系统应该能够回答:

  • 这条记忆来自哪里?

  • 什么时候写入?

  • 为什么认为它仍然有效?

  • 是否存在相反证据?

  • 用户能否修改或删除?

可解释性不是额外装饰,而是排查错误和建立用户信任的基础。


十、最常见的工程误区

误区一:上下文窗口越大,记忆问题就越小

大窗口能减少短期截断,但不能替代跨会话存储、状态更新和相关性筛选。把多年历史全部塞进 Prompt,既昂贵,也可能降低模型对重点的把握。

误区二:所有记忆都放进同一个向量库

原始事件、当前事实和操作规范的查询方式不同。把它们混在一起,会让相似度检索承担它不擅长的去重、冲突判断和权限治理。

误区三:只做记忆写入,不做记忆清理

没有过期、删除和冲突处理的记忆库,规模越大,噪声越多。记忆系统必须同时设计“记住什么”和“忘掉什么”。

误区四:只看召回数量,不看召回质量

召回十条信息不代表系统更聪明。真正重要的是:召回内容是否与当前任务相关,是否包含过期事实,是否改变了最终决策。

误区五:让模型独自决定权限和范围

模型可以参与判断,但用户、租户、项目等隔离必须由应用层或数据库层强制执行。敏感记忆的读取和写入还应有审计记录。


十一、怎样评估一个记忆系统是否有效

记忆功能上线后,不能只用“看起来它记住了”作为验收标准。至少应该从四个方面评估。

11.1 召回质量

可以构造带标准答案的测试集,检查:

  • 关键记忆是否被召回;

  • 无关记忆是否被排除;

  • 过期事实是否被过滤;

  • 来源是否能够追溯。

11.2 任务结果

最终指标仍然应该回到业务任务:

  • 任务完成率是否提升;

  • 重复询问是否减少;

  • 工具调用是否更准确;

  • 错误决策是否减少。

11.3 成本和延迟

记忆系统不能只提升效果而无限增加成本。需要同时观察:

  • 平均输入 Token;

  • 记忆检索耗时;

  • 首 Token 延迟;

  • 回写任务的额外模型调用;

  • 存储和索引成本。

11.4 安全与可控性

还需要验证:

  • 不同用户和项目之间是否隔离;

  • 删除操作是否真正生效;

  • 敏感信息是否会被不必要地召回;

  • 记忆更新是否可审计、可回滚。

将记忆召回、过滤结果、最终注入内容和模型输出放进同一条 Trace,才能真正定位“为什么它会记错”。


结语:好的 Agent 不只是记得多,而是记得对

Agent 的记忆管理,本质上是一个信息治理问题,也是 Harness 设计的重要组成部分。

成熟的记忆系统通常具备三种能力:

  1. 该记的能留下:关键事实被提炼并保存,重要决策有来源;

  2. 该忘的能清理:过期、错误和冲突信息不会无限积累;

  3. 该用的能召回:当前任务只获得真正相关的最小有效上下文。

因此,当用户再次说“这个 Agent 怎么又忘了”,排查顺序不应该只是继续扩大 Prompt,而应该依次检查:

  • 当前会话状态是否维护完整;

  • 重要事实是否成功抽取;

  • 旧事实是否正确失效;

  • 检索是否命中正确范围;

  • 最终上下文是否被摘要、排序或 Token 预算错误处理。

模型能力决定 Agent 能做什么,记忆架构决定 Agent 能否持续、稳定、可控地把事情做对。真正值得建设的,不是一个装满历史记录的“记忆仓库”,而是一套能够判断、更新、解释和约束信息流动的运行系统。

CadenzaOS:https://github.com/SuperTapir/CadenzaOS

PCB Atelier:https://github.com/SuperTapir/pcb-atelier

tapir-skills:https://github.com/SuperTapir/tapir-skills

PCB_lightgraph:https://github.com/tomatorigid/PCB_lightgraph

我用AI编程复刻了老罗的TNT,还顺手做了个万能遥控器……:https://www.bilibili.com/video/BV1qMKg6uEJr

送朋友一张PCB做的贺卡!:https://www.bilibili.com/video/BV11MjE6qEXb

🎉🕯🎂🕯🎉(我的第一块 PCB Art 作品图案取自这位老师的视频):https://www.bilibili.com/video/BV1ihNx61Ewq

从零开始的二次元电路板艺术画设计教程:https://www.bilibili.com/video/BV1CQjz6ZELZ

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

跳转微信打开

VisActor 全新图可视化开源项目:VGraph

2026年9月1日 17:29

字节跳动开源 2026-09-01 17:29 北京

VGraph 正式开源了!

来源|VisActor 团队

VGraph 正式开源了。如果你正在做数据血缘、知识图谱、关系网络、树图分析、流程编排或图编辑器,现在可以用一套更贴近真实业务场景的关系图库,直接把复杂关系变成可读、可交互、可落地的产品体验。

什么是 VGraph:面向真实业务场景的关系图库

VGraph 是一套面向真实业务场景的关系图库,聚焦关系数据的可视化表达、交互编辑与产品化落地。

关系图产品常常不是输在算法或数据,而是输在体验:用户看不明白、交互不顺、细节做不深、工程接不住。

VGraph 这次开源,带来的价值就在于:让关系图不再只是一个技术展示能力,而是一种可以进入日常业务系统的产品能力。

一句话总结:如果你希望把复杂关系做成真正可用、可交互、可持续演进的业务产品,VGraph 值得加入你的技术选型清单。

VGraph能解决什么问题

很多团队都遇到过同一个问题:关系数据不难拿到,难的是把它讲清楚、跑顺畅、做得像产品。

  • 图画出来了,但节点一多就乱,用户看不懂重点

  • 能展示静态关系,但缺少真实业务需要的交互和编辑能力

  • 想做复杂节点、信息卡片、右键菜单、Tooltip、表单编辑,接入成本很高

  • 图分析、图编辑、树图、血缘、流程场景往往要拼很多能力,工程复杂度高

VGraph 想解决的,正是这类“从图形展示到业务产品”之间的最后一公里。它不只关注“把点和边画出来”,更强调复杂关系的表达能力、交互能力和产品落地能力。

  • 关系表达更完整:支持有向图、关系图、树图、嵌套布局、力导向布局等多种结构

  • 业务组件更友好:内置节点、连线、分组、图例、交互行为,同时支持高度定制

  • React 节点能力强:复杂节点、标签页、按钮、表单、状态切换都能自然接进来

  • 图编辑能力更贴近产品:适合做流程编排、节点编辑、自由排布、批量操作等场景

  • 从展示到分析一体化:既能做看板式分析图,也能做可交互、可操作的业务图应用

一眼就能想到的应用场景

  • 数据血缘:表级血缘、字段级血缘、上下游影响分析

  • 知识图谱:人物关系、企业关系、事件关系、社交网络

  • 流程与编排:DAG 流程、审批流、任务编排、流水线编辑

  • 树状分析:组织架构、行政区划、分层指标、目录结构

  • 图编辑器:低代码流程设计器、策略编辑器、图形化配置面板

现在就开始

如果你想先感受 VGraph 的表达力,不需要从零造轮子,最快可以按下面这条路径开始:

  1. 先跑示例:直接打开官方文档里的 demo,优先看数据血缘、知识图谱和流程编排几个代表场景。

  2. 再装依赖:在你的前端项目里接入核心包,快速把一张关系图先跑起来。

npm install @visactor/vgraph @visactor/react-vgraph @visactor/react-vgraph-ui

第三步,替换成你的业务数据:先用真实节点和边把业务关系映射出来,再逐步叠加复杂节点、交互操作和编辑能力。

经典业务场景

如果你希望快速判断 VGraph 是否适合自己的业务,最直接的方法不是先看参数表,而是拿一个典型场景做最小验证。下面这 4 类场景,基本覆盖了大多数关系图产品的第一批落地需求。

数据血缘

适合表级 / 字段级上下游追踪、影响范围分析和链路排查。

对应 Demo:

https://www.visactor.io/vgraph/demo/solutions/dataLineage

import { GraphStructure } from '@visactor/vgraph';
import { DataLineageGraph } from '@visactor/react-vgraph';
const data = new GraphStructure({
  directed: true,
  nodes,
  edges
});
<DataLineageGraph
  data={data}
  baseTableId="table_a"
  size={[width, height]}
  minDepth={-2}
  maxDepth={2}
/>;

知识图谱

适合人物、企业、事件、资产之间的关系探索,从“看关系”走向“找线索”。

对应 Demo:

https://www.visactor.io/vgraph/demo/force/redMansions

import { Graph, defaultForces, ForceX, ForceY, ForceLink } from '@visactor/vgraph';
const forces = defaultForces();
forces.set('posX', new ForceX({ options: { x: width / 2, strength: 0.05 } }));
forces.set('posY', new ForceY({ options: { y: height / 2, strength: 0.05 } }));
forces.set('link', new ForceLink({ options: { distance: 50 } }));
const graph = new Graph({
  container: 'container',
  width,
  height,
  layout: { type: 'force', options: { forces } }
});
graph.data({ nodes, edges });

流程编排与图编辑器

适合 DAG、审批流、任务编排和低代码流程设计器,让图既能展示,也能编辑。

对应 Demo:

https://www.visactor.io/vgraph/demo/editor/commonFlowEditorForm

import { CommonFlowEditor } from '@visactor/vgraph';
const editor = new CommonFlowEditor({
  container: 'container',
  graphSize: [width, height],
  renderMode: 'dom',
setDefaultNode() {
return {
      width: 140,
      height: 40,
      anchors: [
        { show: 'hover', position: [0, 0.5] },
        { show: 'hover', position: [1, 0.5] }
      ]
    };
  },
  setDefaultEdge(edgeData) {
return {
type: edgeData.target ? 'turningLine' : 'line',
      endArrow: true,
      radius: 10
    };
  }
});
editor.getGraph().data({ nodes, edges });

树状分析与层级关系

适合组织架构、目录结构、分层指标和行政区划等树图场景。

对应 Demo:

https://www.visactor.io/vgraph/demo/tree/basic

import { TreeGraph } from '@visactor/vgraph';
const graph = new TreeGraph({
  container: 'container',
  width,
  height,
  layout: {
type: 'dendrogram',
    options: { direction: 'LR', radial: true }
  }
});
graph.data({
  id: 'root',
  children: [{ id: 'child1' }, { id: 'child2' }]
});

如果你正在评估关系图产品的技术底座,最直接的方式就是拿一个真实业务场景试一遍,看看 VGraph 能不能把你的关系数据真正做成产品。

跳转微信打开

The Batch: 976 | GLM-5.3 取得网络安全进展

2026年9月1日 12:45

原创 DeeplearningAI 2026-09-01 12:45 北京

Hi~新朋友,记得关注我们哟

Z.ai 的最新旗舰模型在 Artificial Analysis 的智能基准指数上,表现与开源权重领先者 Kimi K3 持平。该公司表示,这个模型在发现并利用软件漏洞方面能力提升,因此在发布其权重之前需要先进行安全测试。

●最新消息:Z.ai 仅通过微调其前代模型 GLM-5.2,就提升了 GLM-5.3 在编码和智能体工作中的表现,而无需从头训练一个新模型或修改其架构。

✴ 输入/输出:输入文本最多 100 万 token,输出文本最多 128,000 token,速度为每秒 90 token

✴ 架构:混合专家 transformer,总参数量 7530 亿,每个 token 激活 400 亿参数

✴ 功能:可调推理级别(低、高、最大)、工具调用、结构化输出、流式传输、上下文缓存

✴ 性能:在 Artificial Analysis 的 Intelligence Index 上获得 60 分;在对 Z.ai 的测试中,其在 CyberGym(漏洞检测基准)上取得所有模型中的最高分

✴ 可用性/价格:GLM Coding Plan 订阅(每月 18 美元至 168 美元)和 ZCode 开发环境;Z.ai 的 API 价格为每百万输入/cached/输出 token $1.40/ $0.26/ $4.40

✴ 权重/许可证:权重预计在发布后约两周提供,许可证尚未公布(GLM-5.2 使用 MIT 许可证)

✴ 未披露:知识截止时间、GLM-5.3 的具体训练数据

●工作原理:公司扩大了 GLM-5.2 的微调方案,将其应用到规模更大、更多样化的环境集合中(即模型尝试执行指定任务的模拟工作区)。该方案包括单次 rollout 的异步优化,这是一种强化学习方法,它一次只训练一个尝试,而不是等待整批完成。训练方法还会把智能体尝试过程中的长记录切分并压缩成片段,使模型能从长时间运行的任务中学习,而不只是短任务。

✴ 公司设计的编码相关训练任务,更像长期的软件工程工作,而不是规整、独立的谜题。在其中一个任务里,模型获得了一个机器学习工程师的工作环境,被要求找出训练流水线变慢的原因,然后优化流水线,并在不降低输出质量的前提下证明提速有效。

✴ Z.ai 训练所需的环境数量,超过了开发者自己能够构建的范围。公司使用智能体来构建环境,并在某些任务中也用智能体来提供奖励信号。

✴ 另一个独立的评分智能体会先检查每个任务在对应环境中是否可解,然后再对模型表现打分。Z.ai 构建每个评分器时都不会向其展示任务的参考答案。只有当评分器接受了正确解法,并且正确拒绝了未经修改或未完成的方案时,它的判定才算有效。

✴ 公司还研究并试图阻止模型进行奖励黑客行为,即模型利用漏洞骗取奖励而不是真正完成任务。

● 性能表现:独立测试显示,GLM-5.3 与顶级开源权重模型处于同一水平,只比领先的专有模型低几个百分点,但在智能体工作上有显著提升。Z.ai 自己的测试显示,其在智能体编码和网络安全方面的提升最大。

✴ 在 Artificial Analysis 的 Intelligence Index 上,(这是一项由九个对经济上有用任务的评估组成的综合指标),GLM-5.3 将推理设为最大时得分 60 分(每项任务 0.68 美元),与 Kimi K3(每项任务 0.84 美元)表现持平,并比将推理设为最大时的 GLM-5.2(每项任务 0.44 美元)高出 7 分。它落后于领先的专有模型,包括将推理设为最大的 Claude Opus 5(63 分,每项任务 2.34 美元)、将推理设为最大的 GPT-5.6 Sol(61 分,每项任务 0.96 美元/1.23 美元)以及将推理设为高的 Grok 4.6(61 分,每项任务 0.84 美元)。

✴ 在 Z.ai 的网络安全测试中,GLM-5.3 在 CyberGym (通过触发错误来寻找并确认源代码中的漏洞)上获得 84.5%,这是该基准上的最高分,超过 Claude Mythos 5(83.8%)和 GPT-5.6 Sol(83.6%)。在 ExploitBench(测试针对加固软件的漏洞利用尝试)上,GLM-5.3 达到 54.4%,是 GLM-5.2(24.4%)的两倍多,也领先于 Kimi K3(32.2%),但远远落后于 Claude Mythos 5(78.0%)和 GPT-5.6 Sol(76.5%)。

✴ GLM-5.3 的通用知识成绩就没那么亮眼了。它在 Humanity’s Last Exam 上答对了 42.3% 的问题(落后于较旧的 Grok 和 Claude Opus 模型),在 GPQA Diamond 上解决了 91.72% 的问题(在中等设置下落后于 Gemini 3.7 Flash),而且其 AA-Omniscience Accuracy 得分只有 34%,远低于其他顶级模型。

✴ 在 Code Bench 上,这是 Z.ai 针对编码任务设计的自有基准,基于完成度和逐步准确率评分;将推理设为最大时,GLM-5.3 使用大约每个任务 75,000 个输出 token 完成了 34.5% 的任务,领先于将推理设为最大的 Claude Opus 4.8(29.5%,每个任务 120,000 token),但落后于将推理设为最大的 Claude Fable 5(39.5%,每个任务 57,000 token)。

● Z.ai 的低调发布:本周,Z.ai 确认,Ox Alpha——一个处于低调模式、在 OpenRouter 和其他平台用户中迅速走红的多模态模型——实际上就是 GLM-5.3 Flash。公司还依据 MIT 许可证发布了这个 3200 亿参数模型的权重。

● 新闻背后:GLM-5.3 出现在关于“具有先进网络安全能力的开源权重模型是否危险到不应发布”的争论中,并同时为双方的观点提供了可信度。

✴ Z.ai 选择的是临时护栏,而不是 OpenAI 和 Anthropic 采取的永久性方案;后两者都要求组织注册后才能使用其最擅长安全利用的模型。相反,Z.ai 公布了该模型在 CyberGym 和 ExploitBench 上的得分,并选择只在与经过筛选的安全合作伙伴进行两周安全评估后才发布模型权重。

✴ GLM-5.3 的发布引来了竞争对手的直接回应。在 8 月 17 日的一篇帖子中,OpenAI 总裁 Greg Brockman 警告称,具备接近或达到最先进水平网络技能的开源权重模型,可能会“显著加速威胁态势”,并附上了 GLM-5.3 的发布页面链接。他的警告出现在数周之后;此前,OpenAI 自己的评估智能体曾从其 ExploitGym 环境中逃脱,并攻破了 Hugging Face 的基础设施。

✴ 对其他开源权重模型的早期测试表明,这种警报可能超过了实际威胁。7 月,美国和英国的 AI 安全研究机构联合评估了 Kimi K3,发现它在 41 项 ExploitBench 任务中没有执行任意代码——这是最严重的结果。最强大的专有模型在关闭防护后,平均会执行 20 次任意代码。

●重要原因:Z.ai 的目标是打造更强的智能体编码器,但同时也得到了一个非常擅长发现安全漏洞的模型。公司有意加入了数据和环境,当模型发现网络安全缺陷时就会获得奖励。按预期,随着训练规模扩大,这项能力也随之提升,并在 CyberBench 上超过了其他所有模型。但该模型在构建漏洞利用方面的进步,超过了设计者在发现漏洞方面的目标。公司并不打算让 GLM-5.3 在 ExploitBench 上的得分比前代提高一倍以上;模型只是通过追逐利用漏洞所带来的可用奖励,变得更强了。

● 我们在想:Z.ai 每次发布的模型都比上一次更强,也引发了更多关注。所有用户都会受益于 AI 实验室彼此竞争、不断超越对方——尤其是在它们把权重开放给所有人研究、修改,并在自己的硬件上运行的时候。继续把新模型呈上来吧!

点击下方阅读原文查看更多有趣内容哦~

阅读原文

跳转微信打开

GLV号外|为AI找电——对话诺瓦聚变创始人郭后扬

2026年9月1日 08:10

高瓴创投 2026-09-01 08:10 北京

近日,国内首家专注场反位形小型模块化聚变小堆(FRC-SMR)研发与产业化的高科技企业——诺瓦聚变能源科技(上海)有限公司,正式宣布完成总额12亿元Pre-A系列融资,高瓴创投持续加码。

我们为什么关注聚变?

过去两年,AI大模型的爆发把一个曾经属于能源行业的命题,推到了整个科技产业面前:电从哪里来?

AI数据中心(AIDC)对电力的要求近乎苛刻——高密度、不间断、低碳、靠近用户、且成本可控,而传统能源方案很难同时满足这五重约束。而在各类候选方案中,可控核聚变因燃料近乎无限、零碳、无长寿命核废料、本质安全等特性,被视为潜在的长期解决方案。真正的问题在于:哪条技术路线,能让聚变在可预期的时间内走向工程落地?

诺瓦聚变创始人郭后扬博士,在这个领域已经工作了四十余年。

他是美国物理学会会士、中国国家特聘专家,深耕聚变领域40余年,历任美国DIII-D托卡马克边界等离子体与材料研究中心主任、欧盟JET托卡马克实验负责人之一、中国EAST托卡马克研究室主任,并出任美国能源部最大FRC实验研究计划负责人、全球最大FRC能源公司TAE首席科学家兼实验运行部主任,是全球少数横跨托卡马克与FRC两大路线的科学家。其2010年提出的FRC等离子体对撞"动态融合"技术,正是FRC-SMR模块化设计的物理基础。

但直到十五年后,他才决定离开熟悉的科研机构,创办一家商业公司。

为什么是现在?聚变商业化的窗口离我们还有多远?

带着这些问题,我们和郭后扬聊了聊,以下是对话内容。

AI时代的能源命题

GL Ventures

Q

很多人觉得聚变是“永远还有三十年”的技术,为什么您认为AI改变了这件事?

郭后扬:

AI数据中心的用电需求有它的特殊性:功率密度高、要求全天候不间断、要低碳、要尽量靠近负荷中心,同时成本还要可控。这五个约束叠在一起,传统能源方案很难同时满足。聚变的燃料近乎无限、零碳、无长寿命核废料、本质安全,长期看是匹配这类需求的候选方案之一。

更重要的变化是节奏。在我个人的判断里,AI算力的爆发把聚变的产业窗口从大家习惯的“还有三十年”压缩到了5-10年——不是物理规律变了,而是需求侧第一次给出了明确、且愿意付费的应用场景。

Q

FRC-SMR是怎样一条路线?它凭什么去满足刚才说的五重约束?

郭后扬:

FRC-SMR的核心特点是小型化、模块化。物理上,FRC位形可实现接近100%的超高β值(等离子体压强与磁场压强之比),结合强磁场,可以把装置做得很小;配合磁压缩加热方案和直接发电技术,能量利用效率也有优势。落到工程指标上:单堆50MW,核心部件模块化便捷更换、无需停机大修,可以就近部署在数据中心侧,度电成本的目标是低至1美分。

另一个容易被忽略的优势是迭代速度。这类装置结构相对简单、单次建造成本较低,企业可以“小步快跑”,用较短周期完成“设计—建造—实验—修正”的闭环,而不必等待动辄数十年的巨型工程周期。当然也要说明,从技术源头到商业化发电,中间仍有一系列待验证的物理与工程环节,这是我们每天在做的事。

Q

成立16个月,诺瓦在工程上具体做出了什么?

郭后扬:

我们在四个核心工程环节上取得了突破,全部通过工程样机实测验证,并已申请相关专利:

一是高功率全固态开关电源。突破了固态开关峰值电流与电流上升速率(dI/dt)的双重性能瓶颈,性能超越当前商用固态半导体开关的上限,可显著压缩脉冲电源整体研制成本、提升系统可靠性。

二是模块化强磁场磁体设计。在物理与工程两个层面创新,提升压缩磁场强度、延长磁场续流时长,既降低配套电源建设投入,又延长FRC等离子体的维持时间。

三是大型石英真空腔体的国产化制造。联合国内特种材料制造企业,攻关产出国内最大规格的直线型、锥形石英真空腔体,成品样件已完成标准化性能测试,解决了FRC装置大型真空腔体的国产化制造难题。

四是纳秒级精密控制采集系统。自主研发纳秒级时序确定性控制与高保真、高精度等离子体信号测量系统,采用全光通信架构隔绝强电磁环境干扰,适配聚变装置的极端工况。

在此基础上,“诺瓦一号”装置已完成工程设计与核心部件研制,全面转入总装集成阶段:真空抽气、诊断、加料等辅助系统均已定型,烘烤测试平台就绪,土建基础完工。

团队目前的目标是冲刺2026年底实现首次等离子体放电。

从大科学装置到创业公司:

商业化认知的转变

GL Ventures

Q

您先后在JET、EAST、DIII-D等大科学装置和TAE任职,再到独立创业,对聚变商业化的理解发生了哪些变化?

郭后扬:

核心有三点。第一,从追求科学极限到追求工程可行。在大科学装置做研究,追求的是物理参数的极限——温度能做多高、约束时间能做多长;做商业化,问题变成了用什么路径、什么成本、什么时间表把电发出来,每一个参数最终都要让发电在经济上算得过来账。

第二,从单一路线到多路线并行、场景驱动。站在产业化角度,未来聚变能源大概率是多路线并存的:大型集中式托卡马克瞄准2040年以后的基础负荷市场;小型分布式FRC-SMR有机会更早落地,匹配AI数据中心全天候、大功率、分布式的用电需求。不同路线服务不同场景,不是非此即彼。

第三,从国家主导到民企与国家队协同互补。国内聚变研发长期以国家队科研院所为主体,他们深耕基础前沿科学和大型集中式装置,是行业的奠基石;民营企业更像突击队,聚焦商业化落地和分布式场景。二者各司其职、协同互补,共同构成中国聚变产业的完整拼图。

全球坐标下的中国机会

GL Ventures

Q

海外同路线公司已有实质进展。放在全球坐标里,中国团队的机会在哪里?

郭后扬:

海外FRC路线的代表企业Helion Energy已实现1.5亿摄氏度的等离子体运行,累计融资超过21亿美元,其聚变电站计划2028年为微软AI超算中心供电,并已获得全球首个聚变电站运营牌照。如果如期落地,这将是全球聚变商业化发电的标志性事件,也说明这条路线的产业化进程已经在推进之中。

中国的优势我看重三点。一是完整的工业制造产业链。聚变装置建造涉及几十个工业门类,中国是全球少有的工业门类齐备的国家。我们在建“诺瓦一号”的过程中深有体会:超大口径特种石英真空室联合国内团队攻关成功,全固态开关电源的核心指标超越商用上限——这种产业链配套能力和工程落地速度,是很多国家不具备的。

二是全球规模领先的AI算力市场需求。聚变商业化的第一个大规模落地场景很可能就是AI数据中心。FRC-SMR可以靠近负荷中心建设,50MW的输出功率匹配数据中心用电需求,不需要远距离输电,这种需求侧拉动会加速商业化进程。

三是国家队与民企的协同体系。中国有世界一流的聚变科研国家队,在托卡马克领域积累数十年;民营企业则发挥高效迭代的优势聚焦商业化落地。这种协同格局是中国聚变产业的独特条件。

至于所谓“换道超车”,我的观点是:不要在别人已深耕几十年的赛道上硬追,而要在有差异化优势的路线上率先突破。我2010年在美国等离子体物理年会上提出的FRC等离子体对撞“动态融合”技术,是FRC-SMR模块化设计的物理基础;依托国内的产业链、工程能力和市场需求,中国团队在这条路线上有自己的路径和节奏。

Q

聚变领域多条技术路线并行,未来会走向收敛吗?您如何判断3-5年后的行业格局?

郭后扬:

我的判断是不会完全收敛,而是“技术分化+场景匹配”。聚变不是赢家通吃的领域:托卡马克适合大型集中式发电,瞄准2040年以后的基础负荷市场;FRC-SMR适合分布式供电、尤其是AI数据中心场景,有机会更早商业化;仿星器、惯性约束等路线也有各自的探索价值。就像今天的能源市场,火电、水电、风电、光伏、核电各有其位。对企业而言,关键不是赌哪条路线会“赢”,而是把自己选择的路线做深做透。

至于格局,随着各家验证装置陆续出结果,行业会从“百花齐放”走向“分层分化”:有实体装置、有实测数据、有清晰里程碑的企业会脱颖而出,停留在概念阶段的企业会被逐步淘汰——这是硬科技行业从热度期走向成熟期的必然规律。同时,国家队与民企的分工协同也会更加清晰,形成更紧密的人才交流与产学研用协同。

Fusion for AI & Beyond

GL Ventures

Q

最后,聊聊愿景。创业至今,您最大的感受是什么?

郭后扬:

我们的愿景是“Fusion for AI & Beyond”——以聚变之光,点亮无限算力,掀开AI的电力天花板,并把这束光投向更远的未来。

具体分三层:我们希望成为全球首批实现聚变商业化发电的企业,在2030年代前半叶建成50-100MW小型分布式聚变示范电站,首先服务AI数据中心;推动FRC-SMR成为分布式聚变能源的重要方案;助力中国聚变产业进入全球核心竞争梯队。

感受可以用三个词概括。

幸运:我在聚变领域深耕四十余年,但真正让我在2025年下决心创业的,是几件事同时发生——AI算力压缩了聚变的窗口期,海外同行验证了FRC路线的工程可行性,国内硬科技创业生态和资本环境也真正到位了。

踏实:聚变容不得半点浮躁,每一个参数都要靠实验数据说话,每一个工程节点都要靠实物支撑。

期待:期待“诺瓦一号”于年底打出第一束等离子体,2027年实现1亿摄氏度,2029年实现Q>1,更期待2030年代前半叶示范电站为AI数据中心送出第一度电。每一个里程碑都是对团队的检验。

最大的收获是这支团队,公司现在已经有60余名成员,覆盖物理设计、装置建造、脉冲电源、系统集成、等离子体控制与诊断的完整链条。聚变是团队的事业,不是个人英雄主义的舞台。有这样一支团队,我对实现愿景有信心。

写在最后

GL Ventures

从技术源头到商业化发电,中间仍有待验证的技术与工程环节。但从行业整体看,聚变已从物理学愿景逐步转入工程竞赛阶段,比拼的是谁能更快把设计变成装置、把参数变成数据。在这场竞赛里,中国有机会凭借完整的供应链、成本与迭代速度上的优势,形成自己的竞争力。

我们期待的不只是一座聚变装置。

也是一个关于能源、算力和中国工程能力的新答案。

跳转微信打开

❌