看影片（在新分頁開啟原站）連到 YouTube・AI Engineer
摘要
Will Lyon 指出僅靠嵌入與檢索無法讓 AI 代理掌握可執行的知識，必須建立連線、型別化且可追蹤的語境圖。他展示 Neo4j 如何將記憶分為短期、長期與推理記憶，並透過實體解析與共享詞典將對話轉為知識圖譜。最後示範如何從圖譜中萃取並治理出可重複使用的技能，解決技能過時與不一致的問題。
Will Lyon explains why retrieval alone is insufficient for agent memory and demonstrates Neo4j's approach to building actionable skills from context graphs.
摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。
重點
- 僅靠檢索文字無法提供可執行的知識，需要連線且型別化的圖譜。
- Neo4j 將記憶分為短期、長期與推理記憶，並記錄決策痕跡。
- 透過 APE 協議將技能建模為型別化執行圖，並進行治理與更新。
章節
依話題轉折切分，標題由 AI 產生
- 00:00Intro
- 00:42The amnesiac loop
- 01:27Recall isn't actionable knowledge
- 02:06Short-term, long-term and reasoning memory
- 02:36From messages to a knowledge graph
- 03:06Entity resolution and ontology
- 04:01The reasoning graph
- 04:41Decision traces
- 05:26Shared memory across agents
- 06:01From memory to skills
- 06:55Agent skills, explained
- 07:50The problem with prose skills
- 08:30Research: skills as graphs
- 09:35Benchmark results
- 10:05Distilling skills from memory
- 10:50Grounding, coverage and coherence
- 11:39Skill governance
- 12:14The Neo4j Agent Memory Service
- 13:04The distillation pipeline
- 14:14Composing skills
- 14:39Demo: the NAMS dashboard
- 15:58Demo: distilling a skill
- 16:53Demo: a patient-intake skill
- 17:53Resources
提到的工具與公司
- Neo4j
- NAMS
- APE
- REST API
適合誰看
正在開發或最佳化 AI 代理記憶與技能系統的研究人員與工程師。
摘要依據
- 講者
- Will Lyon
- 依據
- 自動字幕
為什麼排在這裡
- 人氣
- 0.86
- 新鮮
- 1.00
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- Inside Neo4j's Agent Memory文章 ・ Decoding AI Magazine（Paul Iusztin） ・
- CMU AI Agents 2026: 4. Memory and Skills for Agents影片 ・ Graham Neubig ・
- Agent Memory From Scratch文章 ・ Decoding AI Magazine（Paul Iusztin） ・
- How to Build Enterprise Grade Agent Memory (Redis Iris Tutorial)影片 ・ Cole Medin ・ 19 分鐘 ・
- Devin Now Remembers How You Work: Memory & Dreaming影片 ・ Cognition ・
- Agent Memory EXPLAINED - Complete Architecture影片 ・ Hugging Face ・ 29 分鐘 ・
這個來源最近的內容
摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。看影片（在新分頁開啟原站）