Agent 记忆表征优化：负责 Agent 长期记忆（Long-term Memory）的表征学习工作
基于业务场景微调 Embedding 模型，提升语义向量在特定语境下的表达能力
检索链路建设 (Index/Recall/Ranking)： Index：设计高效的记忆存储结构（向量索引 + 稀疏索引），解决记忆碎片化问题
Recall：优化多路召回策略（语义召回、关键词召回、时间衰减召回等），确保关键信息不遗漏
Ranking：设计精排模型（Cross-encoder 或 LLM-based Rerank），根据当前 Query 的上下文，对召回的记忆进行相关性重排序
评价体系构建：建立 Agent 记忆模块的离线与在线评估体系
设计并计算相关性指标（如 Precision, Recall, MRR, NDCG），通过数据驱动记忆模块的迭代
前沿探索：跟进 Generative Agents, MemGPT 等前沿论文，探索 Graph RAG (知识图谱结合) 等更高级的记忆形态