Elastic Open-Sources Atlas Agent Memory Based on Cognitive Science

Elastic 基于认知科学开源 Atlas 代理内存 - InfoQ

InfoQ 首页 News Elastic 基于认知科学开源 Atlas 代理内存

AI、机器学习与数据工程

构建用于高风险事件响应的 AI 代理评估系统（8月6日网络研讨会）

Elastic 基于认知科学开源 Atlas 代理内存

2026年6月30日 2分钟阅读

作者：

• Anthony Alford

#### 关注我们

YouTube

232K 粉丝

LinkedIn

26K 粉丝

Instagram

新

RSS

19K 读者

X

57.1k 粉丝

Facebook

21K 点赞

Bluesky

收听本文 -

0:00

音频准备就绪

您的浏览器不支持音频元素。

正常

1.25x

1.5x

点赞

新下拉阅读列表

• 阅读列表

Elastic 开源了基于 Elasticsearch 的 Atlas 系统，该系统为代理维护三类内存。Atlas 通过 MCP 与代理集成，并实现用户级内存隔离。在问答能力评估中，其 Recall@10 得分达到 0.89。

Atlas 是针对以下问题的解决方案：当用户与代理有长期交互历史时，如何确定应添加到代理 LLM 提示中的合适上下文数据。根据 Elastic 的说法，加载完整交互历史并非可扩展的解决方案：

标准变通方法是将先前上下文塞入上下文窗口。这在成本、延迟以及众所周知的“中间迷失”效应（模型会忽略距离提示边缘较远的事实）方面都存在局限性。1M-token 的上下文窗口只是一个草稿纸，而不是记忆系统...缺失的是长期记忆：一个能跨会话持续存在、可扩展到多年交互，并能通过内容、时间和用户检索事实的持久存储。

Atlas 的核心概念是认知科学识别的三种记忆类型：记录“发生了什么”的情景记忆；记录“什么是真的”的语义记忆；以及记录“什么有效”的程序记忆。由于每种记忆类型都有自己的规则和生命周期，Atlas 为每种类型维护独立的 Elasticsearch 索引。

记忆通过将每个用户输入存储为情景记忆事件来创建。这些记忆大多会逐渐消失，但部分会“成为持久事实的证据”。这是通过让 LLM 整合它们来实现的。LLM 会识别新事实或语义记忆，并将每个事实存储为简短句子，同时保存支持的情景记忆作为证据，以及任何被新事实取代的先前事实。

整合过程以两种方式更新程序记忆。首先，通过创建新的“操作手册”（一系列解决问题的步骤）。同时，它还会更新现有操作手册的成功和失败计数器。这些计数器可以影响检索结果，提升成功率更高的操作手册的优先级。

代理通过跨所有索引的单一混合查询访问记忆，该查询结合 BM25 词法搜索和 Jina v5 语义搜索的倒数排名融合（RRF）；合并结果会通过交叉编码器重新排序。文档级安全（DLS）确保查询仅搜索属于该用户的记忆文档。

在 Hacker News 上关于 Atlas 的讨论中，有用户质疑使用 Elasticsearch 作为存储是否“过度设计”，并建议使用 SQLite 等支持向量的数据库。另一位用户回应：

一旦需要使用脚本评分等功能，"任何其他向量数据库"的优势就会逐渐消失。这时问题就变成了："你是否需要[近似最近邻]来保证性能？"诚然，暴力方法在处理向量数量上比大多数人想象的要高效得多，但如果希望达到网页级别的延迟表现，在百万级数据量之前就会遇到明显瓶颈。维护 Elasticsearch 并非免费，但选择一个性能不足的数据库并迁移到合适的数据库同样会耗费大量时间。

The Atlas 源代码可在 GitHub 上获取。

main wrapper for authors section

关于作者

section title

main wrapper for each author

#### Anthony Alford

显示更多

显示更少

#### 本内容属于 AI、机器学习与数据工程主题

##### 相关主题：

• AI、机器学习与数据工程

• 代理

• 模型上下文协议（MCP）

• ElasticSearch

• 相关编辑内容

• 相关赞助商

• 相关赞助商 2026年7月9日，东部时间中午12点 从日志噪声到事件智能：AI辅助可观测性的成熟度模型 演讲者：Nicolas Jung - Datadog 日志产品负责人

InfoQ 新闻通讯

每周五汇总 InfoQ 上一周的内容，每周二发送。加入超过25万名高级开发者的社区。查看示例

我们保护您的隐私。 /think