Keynote · 演讲信息
AI 记忆系统的关键是检索与更新
大模型可以理解用户当下的问题，却很难天然记住用户过去的偏好、决策与任务进度。很多 AI 产品因此只能完成一次性问答，无法形成持续、个性化的使用体验。
本次分享将拆解对话历史与长期记忆的区别，介绍 AI 记忆的提取、存储、检索、更新与遗忘机制，并结合 Milvus/Zilliz 的实践，探讨如何构建可扩展、可控、可信的长期记忆系统。
演讲提纲：
1、从对话历史到长期记忆
2、长期记忆系统如何工作
3、落地案例分享
讲师 · Speaker
李成龙
首席开源布道师 · Zilliz
李成龙，Zilliz 首席开源布道师，全球最受欢迎的开源向量数据库 Milvus Committer，Milvus 开源社区负责人。
加入 Zilliz 后活跃在 Milvus 社区，对于主流 Embedding 算法、LLM 应用及大规模向量数据库部署优化具有丰富实践经验，先后完成了 Milvus 以图搜图系统，视频检索系统，RAG 知识库等案例，并协助全球数千家企业用户落地 AI 产品应用。
作品：《实战：从索引到 Embedding 再到内存管理，如何降低 80% 向量数据库成本》、《Milvus，构建面向 AI 搜索的新一代开源向量数据库》
