跳转至

AOI: Context-Aware Multi-Agent Operations via Dynamic Scheduling and Hierarchical Memory Compression

论文信息

  • arXiv: 2512.13956
  • 发表日期: 2025-12-15
  • 作者: Zishan Bai, Hanxuan Chen, Jing Luo, Ziyi Ni, Enze Ge, Jiacheng Shi, Yichao Zhang, Jiayi Gu, Zhimo Han, Riyang Bao, Junfeng Hao
  • 方向: 多层记忆架构（Working-Episodic-Semantic 三层记忆）

摘要

背景：云原生架构（微服务和动态编排）使现代 IT 基础设施极其复杂和动荡。传统系统面临关键瓶颈：信息处理低效、任务协调差、上下文连续性丢失。

方法：AOI（AI-Oriented Operations）提出三_specialized agents + LLM-based Context Compressor 框架： 1. 动态任务调度策略：根据实时系统状态自适应优先级调度 2. 三层记忆架构：Working Memory（工作记忆）、Episodic Memory（情景记忆）、Semantic Memory（语义记忆），优化上下文保留和检索

实验结果：72.4% 上下文压缩率同时保留 92.8% 关键信息，任务成功率 94.2%，MTTR（平均修复时间）降低 34.4%。

核心贡献

  1. 三层记忆架构：首次为 IT 运维场景设计 Working-Episodic-Semantic 三层记忆，明确区分不同类型上下文的管理策略
  2. 动态任务调度：根据实时状态自适应调度，而非静态规则
  3. 高压缩率保留：72.4% 压缩下仍保留 92.8% 关键信息，远超简单压缩方法
  4. 生产级验证：在合成和真实基准测试上验证，包括实际 IT 运维场景

为什么重要

多 Agent 系统中的记忆管理是核心挑战：

  • 上下文爆炸：多 Agent 协作产生海量上下文，无记忆管理无法 scale
  • IT 运维场景：故障诊断和修复需要长期（语义）记忆、事件（情景）记忆和实时（工作）记忆的协同
  • 工程实用性：AOI 不是理论框架，而是针对实际 IT 运维问题的解决方案

与端侧/移动端的相关性

三层记忆架构对端侧多 Agent 系统有参考价值：

  • 分层记忆管理：工作记忆保留即时上下文，情景记忆保留事件历史，语义记忆保留结构化知识
  • 压缩率与质量权衡：72.4% 压缩保留 92.8% 信息，对移动端有限存储直接适用
  • 多 Agent 协调：边缘设备群协作时，记忆压缩和调度策略可降低通信开销

参考文献

  • arXiv: 2512.13956 | https://arxiv.org/abs/2512.13956