余锦泽博士解析，企业数仓如何沉淀为可治理的共享语义记忆

随着人工智能技术向生产级应用迈进，如何构建可靠、可治理的Agent记忆体系成为业界关注的焦点。在近日举行的2026年QCon全球软件开发大会上海站上，卡奥斯工业智能首席科学家余锦泽博士发表题为《Agent的记忆不在对话里：把企业数仓沉淀为可治理的共享语义记忆》的主题演讲，深入探讨了这一前沿课题。

余博士指出，当前主流的Agent记忆框架（如Mem0、Zep等）主要聚焦于跨会话记住用户偏好，这种设计思路在消费级应用场景中表现良好，但在工业领域却面临巨大挑战。"工业多智能体需要记住的不是用户的个性化信息，而是企业的核心业务语义，"余博士解释道，"例如直通率的分子分母构成、工单号在不同数据库表中的多种写法等，这些关键信息往往隐藏在企业数仓、代码文档之中，而非对话交互流。"

针对这一痛点，余博士团队提出了一套全新的企业语义记忆治理方案。该方案的核心在于建立受治理的写入机制：大模型仅负责提出建议，真实数据裁决最终结果；同时引入证据分级入库体系，将每条记忆按照数据验证、人工断言和缺口三种置信等级进行分类管理。此外，团队还开发了时间轴校验、双源融合与对抗评审等多重冲突消解机制，有效避免了因数据冗余或错误导致的记忆污染问题。

"我们实测发现，仅仅注入实体与关系而忽略指标口径时，模型的回答正确率反而低于完全不注入的情况，"余博士补充道，"这是因为模型会更自信地选择错误的数据表结构。因此，我们的解决方案强调要让企业语义记忆成为真正可治理的资产，具备写入裁决、冲突消解、经验沉淀和错误撤销的能力。"

在使用层面，余博士团队还创新性地提出了共享语义记忆的概念。通过统一多个智能体对同一业务概念的理解（如"工单"），并采用唯一收口的写权限管理机制，实现了企业内部知识的高效共享与调度。这一成果不仅提升了工业Agent的工作效率，也为AI Native架构下的多智能体协作提供了新的思路。

"这项研究的意义在于，它揭示了企业数仓作为AI时代核心资产的价值，"余博士总结道，"通过系统化的治理和共享机制，我们可以将这些沉淀多年的业务知识转化为可被AI理解和利用的宝贵资源，从而推动工业智能化的深度发展。"

此次演讲内容引发了与会者的广泛讨论，多位参会的技术专家表示，余博士团队的研究成果为解决工业领域AI落地难题提供了切实可行的路径，特别是在制造业数字化转型的关键时期，这一技术突破具有重要的现实意义。