企业级 Agent Memory 与检索增强系统产品系统

面向企业级智能助手与长对话 Agent 在多轮交互中容易遗忘关键信息、检索结果噪声较大、长期记忆更新不及时等问题，构建可持续写入、更新和召回的记忆与检索增强系统，适用于企业知识库、智能客服、个人助理和复杂任务协同场景。

系统包含记忆抽取与结构化写入、DAG 记忆节点管理、记忆更新与冲突处理、Dense/Sparse 混合检索、查询改写、Rerank 重排、路由权重计算以及多指标离线评测等模块。可根据事件、时间、语义密度和稀疏特征选择合适的召回路径，为 Agent 提供可追溯、可更新的长期记忆能力，并在多个公开数据集上进行对比验证。

我负责整体算法方案、训练框架和评测流程设计。使用 Python、PyTorch、Qwen、FSDP 与强化学习后训练方法搭建小模型训练流程；实现查询改写、Dense/Sparse 检索、Rerank 和 Router 融合，并设计基于 DAG 的记忆写入与更新机制。在 MTEB 及 LoCoMo、BFCL 等公开数据集上完成召回率、NDCG、MRR 等指标评测，验证系统的检索与长期记忆效果。