专题：memory-system

本文介绍了一种基于记忆的 DevOps Agent 架构，通过沉淀历史经验实现运维流程的自动化进化。其核心亮点在于记忆模块的设计与技能训练机制，适用于复杂系统的运维优化，具有较高的工程参考价值。

eBay 支付风控团队应用基于 LLM 的 Agent 记忆系统，提升欺诈检测的上下文理解能力。该系统整合历史与实时数据，优化决策效率，降低误报和漏报率，具有实际应用价值和技术亮点。

本文介绍了大模型记忆系统 MemOS 2.0 的核心技术演进，重点解析了其创新的 StarDust 记忆管理机制。StarDust 结合了分层记忆、情境化检索、动态更新和推理融合，旨在提升大模型处理长上下文和复杂任务的能力。MemOS 2.0 的架构与训练也围绕 StarDust 进行优化，以实现更智能、更具上下文感知的人工智能系统。

LangSmith Agent Builder 通过文件化的虚拟文件系统实现了程序性和语义记忆，使得零代码代理能够在重复任务中持续学习并自动更新指令。文章详细阐述了记忆文件的组织、实现细节、实际案例以及开发过程中的关键经验，并展望了情景记忆和语义检索的未来方向。