到 2026 年，AI Agent 的记忆架构正在经历从"向量检索"到"图推理"的范式转换。记忆框架已经印证了一个行业共识：纯向量数据库无法刻画实体间的演化关系与多跳因果链，而把复杂数据一股脑倒给大语言模型既昂贵又不可持续——这恰恰是阻碍 Agent 从"拥有记忆"迈向"具备推理能力"的关键瓶颈。与此同时，超过 95% 的企业级 Agent 部署正走向私有云或本地化环境。Agent 记忆中所沉淀的业务情报与客户数据，使数据主权成为不可逾越的红线，亟需一套可自主掌控的记忆基础设施。 本次演讲提出一个新视角：流式图计算引擎天然就是 Agent 记忆的操作系统内核。Apache GeaFlow（孵化中）的增量计算能力，对应记忆的实时抽取与合并——每一次新对话只触发局部子图的更新；动态图状态管理对应时序记忆图——顶点存储语义嵌入，边存储关系与时序元数据，属性存储关键文本描述；分布式快照机制则对应企业级多 Agent 协作场景下的记忆一致性保障。借助 MCP（模型上下文协议）标准，GeaFlow 可作为 Agent 框架即插即用的记忆后端。 在技术实践中，我们将演示如何基于 GeaFlow 构建具备"长期记忆"的企业知识助手，展示记忆图的动态构建与推理过程，并勾勒 GraphMemory 的演进路线图——涵盖流式图神经网络推理、主动式记忆合成，以及基于图算法的自然遗忘机制。

讲师:

Litao Lin：Apache GeaFlow（孵化中）Committer

Apache GeaFlow（孵化中）Committer。作为项目核心成员，他从零参与 GeaFlow 图计算引擎的架构设计与开发，尤其专注于图计算 DSL 的设计与实现以及数据智能技术的演进。他深度参与开源社区活动，目前就职于蚂蚁集团。