Organizational Memory for Agentic Business Process Execution
本文提出了一种共享且受控的“组织记忆”架构，旨在通过集中化组织特定的程序性知识以实现可靠的业务流程执行，从而克服当前基于大语言模型（LLM）的智能体系统在可扩展性和一致性方面的局限性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个规模宏大、繁忙的办公室，那里雇佣了数以千计聪明且由 AI 驱动的助手（我们称之为“数字实习生”），负责处理复杂的任务，比如购买办公用品、审批发票或管理项目。这些实习生非常聪明；他们能阅读电子邮件，理解自然语言，并能自主思考如何解决问题。
然而，有一个大问题：这些实习生并不了解你公司的具体规则。
问题所在：“孤岛”与“丢失的手册”
目前，如果你想让一个实习生知道“我们只从供应商 X 那里购买笔记本电脑”或者“超过 500 美元的发票需要经理签字”，你必须把这些规则写进该实习生特定的指令手册（即“提示词/Prompt”）中。
作者认为，对于大公司来说，这简直是一场灾难，因为：
- 重复性高： 你必须为“笔记本电脑采购员”实习生、“发票检查员”实习生和“预算经理”实习生重复编写相同的规则。
- 混乱不堪： 如果公司将规则更改为“超过 200 美元的发票需要签字”，你必须找到并更新每一个实习生的手册。如果你漏掉了一个，混乱就会发生。
- 令人困惑： 规则散落在各处——有些在 PDF 政策文档里，有些在流程图中，有些在旧的邮件往来中，有些在电子表格里。实习生很难很好地阅读这些零散的文件。
解决方案：“公司大脑”（组织记忆）
作者提议构建一个共享的“公司大脑”，称为组织记忆（Organizational Memory）。
请不要将其想象成一个巨大的图书库，而是一个高度有序、由“原子化规则”组成的巨大文件柜。
与其给实习生一整份 50 页的政策文档（这可能会让他们感到困惑或耗时过长），该系统将每一条规则都拆解成微小的、自包含的卡片，称为**“过程原子（Process Atoms）”**。
- 卡片（原子）： “如果一份采购申请来自市场部且金额超过 1,000 美元，则必须由副总裁批准。”
- 标签： 这张卡片被贴上了“市场部”、“采购申请”和“审批”的标签。
运作方式（类比）
1. 管理员（记忆策展）
在实习生使用大脑之前，一位人类专家（“管理员”）充当守门人。
- 他们提取杂乱的文档（PDF、流程图、旧邮件）。
- 他们将这些规则提取出来，并将它们转化为整洁的“原子卡片”。
- 至关重要的一点是： 管理员会检查冲突。如果一份文件说“500 美元以下批准”，而另一份说“200 美元以下批准”，管理员会发现这种冲突，并询问人类应该以哪条规则为准。
- 一旦通过审核，这些卡片就会被归档到共享的“公司大脑”中。
2. 智能检索（记忆消费）
当一个实习生（AI Agent）接到任务时，它不会靠猜测。它会向“公司大脑”寻求帮助。
- 请求： 实习生说：“我收到一个来自市场部的 1,200 美元笔记本电脑请求。”
- 过滤器： 系统会查看标签。它会忽略人力资源规则和 IT 安全规则。它会立即提取出与“市场部”、“笔记本电脑”和“高价值”相关的特定卡片。
- 结果： 实习生得到了一个精简且完美的规则列表供其遵循。它不会被无关信息干扰。
实验：效果如何？
作者通过一个虚构的“采购到付款（Purchase-to-Pay）”场景（即为公司购买物品）测试了这一方法。他们对比了三种类型的实习生：
- 天真型实习生： 没有公司规则。它根据通用知识进行猜测。（失败率 70%）。
- 搜索引擎型实习生： 使用标准的搜索工具（RAG）来查找相关文档。它的表现稍好（成功率 70-80%），但经常会错过那些并未出现在请求相同句子中的规则。
- 组织型实习生： 使用带有“原子卡片”的“公司大脑”。它的成功率达到了 88-95%。
核心启示
论文的结论是，为了让 AI Agent 在大公司中可靠地工作，我们不能仅仅给它们堆积如山的文档，或者让它们各自去“记住”某些事情。我们需要一个集中的、由人类治理的系统，将公司规则拆解成微小的、易于管理的碎片，并在正确的时间将正确的碎片提供给正确的 Agent。
这就像是给厨师一整套食谱库，与给他们一份针对当前正在烹饪的菜肴所准备的、精确测量过的配料清单之间的区别。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。