把 Agent 记忆转化为可用的 Skills——Neo4j 的 Will Lyon

Neo4j 的 Will Lyon 认为，基于 embedding 和检索的 agent memory 只能召回、无法形成可执行知识。他展示 Neo4j 将 agent memory 建模为上下文图，包含短期、长期与推理记忆，涵盖实体抽取与消解、共享本体和决策轨迹；再把记忆蒸馏为受治理的 skills，按类型化执行图处理，并做 grounding、coverage、coherence 检查与过期告警，最后演示从医疗对话中蒸馏患者接诊 skill。

AI推荐理由 Neo4j 高级产品经理 Will Lyon 的演讲，提出仅靠 embedding 与检索的 agent memory 不足以形成可执行知识，主张用带类型、可追溯的上下文图组织短期、长期与推理记忆，并将记忆蒸馏为受治理的 skills（类型化执行图），含 grounding、coverage、coherence 检查与过期告警，并演示 Agent Memory Service。观点具体，但属厂商演讲，效果未独立验证。