在长期对话智能体里，记忆系统已经从“附属模块”变成了核心能力：它决定系统能否跨轮次持续建模用户信息，能否在很长的历史中找回真正有用的证据，也决定了最终回答到底是“记住了”，还是“看起来像记住了”。

这几年，一个很明显的趋势是：越来越多的对话记忆工作开始引入图结构。 一方面，图方法在 GraphRAG 等方向上的成功，推动了研究者把“结构化组织 + 关系传播”带进记忆系统；另一方面，从直觉上看，人类记忆本来就不是孤立存储的，而是由大量关联关系连接起来的，这也让“图记忆”显得格外自然。

但问题在于：现有工作对图记忆的结论并不一致。

有的工作报告了显著收益，有的工作却发现非图方法或者更轻量的结构也能取得相当、甚至更好的结果。更麻烦的是，这些差异往往不只来自“方法创新”本身，还夹杂着数据集、骨干模型、实现细节、记忆组织方式、检索与排序策略等多方面变化。当缺少统一分析视角时，我们很难回答一个真正关键的问题：到底是图本身有效，还是其他系统设置在起作用？

这正是我们的论文 Does Memory Need Graphs? A Unified Framework and Empirical Analysis for Long-Term Dialog Memory 想解决的核心问题。

一、我们做了什么？

这篇论文并没有提出一个新的“更强图记忆框架”，而是试图把已有的长期对话记忆系统放到同一个统一框架下重新分析。具体来说，我们通过将对话记忆系统拆解为若干核心组件，使图方法和非图方法能够在尽量一致的条件下进行受控比较。

论文提出的统一框架将对话记忆系统抽象为一个六元组 ⟨K, V, Q, I, R, A⟩：

• K（Keys）：记忆单元，也就是系统实际建立索引、执行检索的对象；
• V（Values）：与 key 对应的证据内容，是最终问答阶段真正提供给模型使用的信息；
• Q（Queries）：用户请求，即用户当前输入在记忆系统中的查询表示；
• I（Index）：索引结构，可以是扁平索引，也可以是图结构或其他组织形式；
• R（Retrieval）：检索方法，决定如何在索引中定位与当前问题相关的记忆；
• A（Answering）：回答阶段使用的策略，即如何将检索出的证据组织起来并生成最终回答。

进一步的，在这个抽象之下，整个长期对话记忆流程可以进一步分为四个阶段：

1. Memory Extraction：从原始对话中抽取记忆，生成 Key 和 Value；
2. Memory Indexing：将 Key 组织到某种索引结构中，并对索引进行维护；
3. Memory Retrieval：给定当前查询，从索引中检索相关 Key，并映射回对应的 Value；
4. Question Answering：组织最终上下文，生成对用户问题的回答。

基于这一框架，我们在 LongMemEval 和 HaluMem 两个代表性基准上做了分阶段、组件级别的系统实验，对图与非图方案进行了更公平的比较。

二、在统一框架下识别关键设计因素

论文首先分析了统一框架下各个组件的常见设计，然后围绕这些环节分别设计了消融实验，对不同选择的实际影响进行验证。

Key 的选择

Key 的选择决定了系统把什么当作“可检索的记忆单元”。它可以是 Session 级原始内容，也可以是 Summary、Fact、Keyword 等细粒度派生记忆。不同的选择会直接影响索引结构和检索行为。

组织方式上考虑了两种：merge-by-type 与 merge-by-session，它们的差异在于：前者按类型独立组织，保持不同粒度信息的独立性；后者围绕 Session 聚合，让同一段会话中的多种信息形成更完整的记忆表示。

实验结论：

• 若允许保留 Session，将 Session 与 [S,F,K] 作为独立键共同使用效果最佳；

• 若不保留 Session，则由 Summary、Fact、Keyword 构成的组合更为稳健。

记忆更新

我们主要考虑了四种记忆操作：Add、Update、Delete、Noop。对于图索引来说，记忆更新可能体现为节点和边的消歧与更新；对于层次化索引，则可能体现为局部重建或增量调整。

关键发现：

• Update 操作虽然会带来 Precision 的轻微下降，但能提升 Recall，并最终改善 QA 表现；

• Noop 也非冗余，在实际系统中值得保留。

这表明：长期对话记忆不能简单理解为一个不断追加信息的静态容器。真实对话中的信息会被补充、修正、整合，也存在某些轮次没有新增有效记忆的情况。一个成熟的记忆系统，不仅要会“记住”，还要能适时更新、合并，甚至选择不写入。

图结构的选择

我们比较了几类典型的图结构设计：

• SimGraph：基于相似度连边；

• KnowGraph：基于 LLM 抽取 SPO 三元组构建知识图谱；

• DescGraph：在实体抽取阶段额外加入实体的自然语言描述。

实验结论：

• 仅基于相似度构图，会缺乏稳定的语义支撑；

• 仅依赖 SPO 关系，不足以充分覆盖长期对话中的情节性与描述性信息；

• 在实体层面加入自然语言描述（DescGraph）能带来更一致的性能提升。

也就是说：图的结构优势需要结合丰富的语义信息才能充分发挥。仅靠相似度构图缺乏稳定的语义支撑，仅靠SPO关系又不足以覆盖情节性与描述性信息，而在实体层面加入自然语言描述则能带来更一致的性能提升。

图检索的收益取决于激活与排序方式

图检索可以分为两个阶段：激活与扩展。

激活策略：我们主要考虑了实体激活与三元组激活两种方式。

扩展策略：以激活的实体/三元组为起点，将其 1-hop 邻居加入。

对于激活实体相应的多个会话（Value），需要进行重排序。我们采用 (Scoreₑ, Score₉) 组合排序策略，其中 Scoreₑ 为查询与实体的相似度，Score₉ 为 Value 关联的候选 Key 数量（包括激活实体及其 1-hop 邻居），用于辅助打破平局。

结论：若 Value 为 Session 级内容，直接激活实体（不做扩展）+ (Scoreₑ, Score₉) 排序 是一个稳健的强基线。图检索的收益不取决于“走多远”，而在于激活是否准确、排序是否合理。

三、端到端实验结果

在对各个环节进行了拆解分析之后，论文进一步面向完整系统，比较了非图索引与图索引在端到端设置下的表现，同时也考察了两类有代表性的 LLM 使用方式。

主要结论：

• 在 LongMemEval 上，图方法在检索和 QA 整体上优于扁平索引，尤其在大规模设置中优势更明显；

• 但当 Value = Key 时，图方法表现反而下降，原因是图方法中每个 Key（实体描述）承载的信息密度低于扁平索引中聚合了多种派生信息的 Key；

• 在 HaluMem 上，图方法在弱模型 + Value=Key 设置下表现不佳，原因在于 HaluMem 的 ground‑truth 记忆以事实陈述（factual statements）为主，而图方法构建的是以实体为中心的自然语言描述（entity‑centric descriptions），两者粒度不匹配，导致图方法在记忆提取阶段的召回率偏低。

总结

为了在更加公平的实验设置下评估图结构在长期对话记忆中的真实作用，本文建立了一套统一的长期对话记忆分析框架，将现有图方法与非图方法放到一致的框架下进行组件级分析。实验结果表明，图结构确实能够为长期对话记忆带来收益，但这种收益并非天然存在，而是高度依赖于记忆提取、索引构建、检索激活、排序策略等一系列系统设计。许多过去被认为源于图结构本身的性能提升，实际上还受到 Key 的设计、Value 的组织方式以及检索流程等因素的共同影响。

从更广泛的角度来看，这项工作也为长期对话记忆的研究提供了新的思考视角。相比于继续设计更加复杂的图结构，未来或许更值得关注的是如何设计更合理的记忆表示、更高效的索引组织，以及如何让记忆提取、组织、检索与回答形成协同优化的整体系统。相比于讨论”是否使用图”，这些系统层面的设计，可能才是真正决定长期对话记忆性能的关键。

论文链接以及代码仓库

📄 论文链接：https://arxiv.org/abs/2601.01280

💻 开源代码：

UnifiedMem (https://github.com/AvatarMemory/UnifiedMem)

—— 支持统一框架下的实验复现与后续研究。