北京
从招聘助手到记忆层
LinkedIn为招聘人员开发并上线了招聘助手，用来管理招聘流程。Praveen Bodigutla在Stack Overflow播客中介绍，团队在与招聘人员的互动中观察到，需要一套更灵活的记忆机制来支撑代理式个性化。
Praveen是LinkedIn首席AI研究员，负责多项基础工作，包括记忆代理。他此前在雅虎担任平台工程师，后来在纽约投行做量化开发，又加入Alexa从事对话模型研究。
为什么放弃GraphRAG
团队最初采用GraphRAG方案，但Praveen解释，GraphRAG在增量更新上不够快。为了更快地更新记忆，他们转向树状结构记忆。这种结构让新信息可以更快写入，而不需要重建整个图。
在LinkedIn的规模下，检索新鲜度、延迟预算和访问控制需要同时平衡。树状结构让增量更新更直接，同时保持检索效率。
规模下的取舍
Praveen提到，团队需要权衡三个维度：检索新鲜度、延迟预算和访问控制。树状结构记忆在增量更新上更有优势，但也要配合严格的访问控制，确保不同用户只能看到自己有权访问的内容。
他没有透露具体的技术栈细节，但强调这套记忆代理已经在招聘助手场景中落地。对于LinkedIn这样拥有海量用户和复杂权限体系的平台，记忆层的设计必须优先考虑可扩展性和安全边界。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
