共享智能体记忆有个访问控制难题，而且还没人真正解决

有个观点，一年前我大概还会反驳：智能体记忆最难的部分，从来不是让一个智能体记住东西，而是当五十个智能体都记住了同一个错误事实时，到底该怎么办。单智能体记忆只是便利性问题。记忆一旦跨团队共享，就会变成组织级访问控制问题，还会附带纠错、删除和冲突处理语义，而恰恰是这些功能，目前这一批产品做得最薄。

几周内，两家厂商先后给出了自己的答案。腾讯云的 Team Memory 于 8 月 13 日开源了一套受治理的记忆中心，我在它发布时已经单独写过一篇。Asana 则从去年底开始，悄悄运行一个封闭、绑定自家平台的版本，也就是 AI Teammates 背后的 Agentic Work Management。这篇不是另一篇发布新闻复述。我想比较的是那些公告通常略过的问题：当一条记忆需要纠正、删除或裁决时，每个系统究竟怎么做，以及组织里到底由谁说了算。

关键要点 - 共享记忆会把一个用户眼里的错误事实，变成所有智能体共同继承的错误。现在真正承重的是治理层，而不是检索质量。 - 腾讯 Team Memory 提供了目前最明确的访问模型，包括四级可见性、按智能体角色配置的记忆装载，以及默认私有。但对于已经被其他智能体读取过的错误事实，公开文档没有说明纠错或过期流程。 - Asana 的 Agentic Work Management 正确解决了机密信息泄漏问题，因为它直接继承 Work Graph 现有的权限体系。但记忆被锁在 Asana 平台内，纠错语义也不透明。 - Zep 的 Graphiti 是主流实现里唯一对“过时事实”给出原则性答案的方案：它不是删除，而是让旧事实失效并保留历史。不过它治理的是一个智能体的记忆，而不是整个团队的记忆。 - 目前没有任何产品真正提供这样一种冲突解决机制：两个智能体针对同一件事写入了互相矛盾的事实，到底谁赢。现在这个问题通常交给“检索排序”处理，但这不算答案。

发生了什么

8 月前两周，共享智能体记忆从研究话题变成了真正交付的产品类别。最值得作为锚点的是两件事：

• 8 月 13 日，腾讯云宣布 Team Memory，这是其开源 TencentDB Agent Memory 项目面向团队规模的扩展。对话、文档、代码图谱和提炼后的技能都会变成带有所有者、版本和四级可见性模型的受治理团队资产，再按智能体角色组合使用。

• 一周前，VentureBeat 对 Asana CPO Arnab Bose 的炉边谈话第一次给出了 Agentic Work Management，也就是 Asana AI Teammates 背后的共享记忆系统，真正有技术含量的细节。Asana 表示，这套系统已经在包括 FedEx 在内的客户环境中投入生产使用。

它们周围还有一层开源单智能体记忆工具，包括 Mem0、Zep 的 Graphiti 和 Letta，而大多数团队真实使用的记忆基础设施目前仍然停留在这一层。真正有意思的变化是，现在所有方案都开始被同样四个问题检验。谁能读取一条记忆？它错了怎么办？它被删除后会发生什么？两条记忆互相冲突又怎么办？

根据腾讯云公告，腾讯云于 2026 年 8 月 13 日发布 Team Memory，这是一个面向智能体团队、带治理能力的共享记忆中心。几天前，Asana CPO 在 2026 年 8 月 3 日发布的 VentureBeat 采访中，详细介绍了 AI Teammates 背后的共享记忆系统 Agentic Work Management。

四个问题，放在一起比较

对这个类别最偷懒的叙事是“腾讯对 Asana”，也就是中国开源对美国 SaaS。但这并没有抓到真正的分界。真实的差别，是有些系统把记忆当成“带权限的文档”来治理，另一些系统把记忆当成“有生命周期的事实”来治理，而目前没有哪一边同时拥有完整的另一半。

沿着“纠错”和“冲突”两行读下去，会看到一个不太舒服的规律：最重要的两个格子，恰好是所有人都还没填完整的两个格子。

根据 VentureBeat 转述的腾讯文档，Team Memory 自己会区分“谁能使用、哪个版本有效，以及应该把它提供给哪个智能体”。Zep 的 Graphiti 则根据项目仓库记录，让过时事实失效而不是直接删除。腾讯和 Asana 都没有公开说明，一条共享记忆已经被其他智能体消费后，该如何纠错或处理冲突。

每套系统真正做对了什么

腾讯的贡献在于访问模型，而且它值得被肯定，因为别人在模糊处理的地方，它把规则说得很明确。每项记忆资产都有所有者、版本和可见性等级，也就是私有、团队、受限、智能体。新资产默认私有，智能体不是直接拿到整个记忆中心，而是根据角色配一套“Agent Loadout”。做研究的 Scout 智能体拿市场分析资产，Builder 智能体拿代码图谱。这就是把记忆当成带有锁定策略的组织基础设施。正如 VentureBeat 的报道指出，文档自己也明确区分了它与普通 RAG：检索回答“什么能被找到”，Team Memory 还回答“谁能使用它”。

Asana 的贡献是机密泄漏边界，而且它给出的案例几乎应该出现在每一份治理演示里。如果一位高管的 AI Teammate 在一个机密并购项目上形成了记忆，后来另一个同事和同一个 AI Teammate 对话时，绝不能继承那段上下文。根据 VentureBeat 的采访，Bose 的答案是，AWM 建在 Asana 已运行 18 年的 Work Graph 上，所以记忆访问会继承底层工作的同一套权限。你看不到那个项目，就同样无权获得智能体对该项目形成的记忆。这是一个真正困难的问题，而 Asana 的解决方法反而是不再造一套新的权限系统。它能成立，只因为 Asana 本来就知道谁能看什么。Asana 从去年 9 月发布 AI Teammates时就开始谈团队级记忆和企业控制，但并购项目这个边界，是第一次看到如此具体的机制。

Graphiti 的贡献是生命周期。大多数系统把错误事实当成删除问题。Graphiti 把它当成时间问题：当某个事实不再成立，相应的边会被标记失效并加上时间戳，而不是抹掉。因此智能体既能回答“现在什么是真的”，也能回答“3 月份什么是真的”。任何需要审计的场景都更适合这种基础语义。有意思的是，这套更成熟的机制来自单智能体世界，而不是刚推出的两套团队系统。

腾讯提供了目前最明确的访问等级，并且默认私有；Asana 把智能体记忆限制在现有 Work Graph 权限范围内，因此机密项目记忆不会泄露给没有权限的同事，见 Asana CPO Arnab Bose 在 VentureBeat 的采访；Zep 的 Graphiti 则依据其项目仓库采用时间戳让过时事实失效，而不是直接删除。

尚未解决的中间层：纠错、冲突与传播

现在来看两套发布叙事都跳过的部分。单智能体记忆里的一条错误事实，代价通常只是一个用户反复纠正。共享存储里的一条错误事实，却会在有人察觉前传播给每一个已经读到它的智能体，而目前没有任何已发布系统公开说明应该怎么处理。VentureBeat 的发布报道显示，产品上线数小时后就有从业者指出这些缺口：已经被消费的事实如何纠正和过期，哪些信息根本不应该写入，以及当两个同事的智能体针对同一个模块写下相互矛盾的事实时，共享存储到底该选谁。单智能体记忆会慢慢漂移。共享记忆则漂移得很快，因为一次过时写入会传给那些根本没有见过原始会话的人。

这不是一次小版本更新就能修掉的实现细节。2026 年 3 月的一篇论文《受治理的记忆：面向多智能体工作流的生产架构》把治理碎片化，以及缺乏反馈闭环时出现的静默质量退化，视为共享多智能体记忆的结构性风险。用不那么学术的话说，就是失败模式写在架构里，而不是某家厂商独有的问题。安全层面还会继续放大它。OWASP 的智能体威胁指南把记忆投毒列为独立攻击类型，而共享存储意味着共享影响范围。Asana 的权限继承和腾讯默认私有的访问等级，都只能限制谁能读到有毒或过时的记忆。它们都没有回答，一旦有人已经读了，之后怎么办。

我的判断是，纠错和冲突解决最后大概会像所有其他共享信息系统一样，主要通过社会机制工作。每项资产有一个明确所有者，有固定复查习惯，有过期规则。真正会赢下这个类别的工具，不是那些承诺把这套社会流程自动化掉的产品，而是让这套流程更容易执行的产品。我在知识库、CRM、功能开关上都看过同一部电影。治理功能本身就是产品。这也是我在智能体治理文章里得到的结论，同样也是为什么在做智能体架构时，“加个记忆就行”从来不算方案。

根据 VentureBeat，Team Memory 发布后，从业者很快就指出纠错、过期和冲突解决仍是没有文档说明的缺口。2026 年 3 月的《Governed Memory》论文把同类风险视为共享多智能体记忆的结构性问题，而 OWASP 的智能体 AI 威胁指南则把记忆投毒列为独立攻击类型。

现在可以做什么

如果你本季度正在评估共享智能体记忆，按顺序做四件事。

1. 今天： 在看任何演示之前，先写下你对四个问题的答案：读取范围、纠错流程、删除语义、冲突规则。任何不能逐项匹配的厂商，都等于在告诉你它的路线图目前停在哪里。

2. 本周： 做一次并购测试。在机密项目下创建一条记忆，然后换成一个无权访问该项目的用户，向同一个智能体提问。Asana 明确为这个场景做了设计，其他方案也应该被要求现场证明。

3. 本月： 在沙箱里故意投毒一次。向共享存储写入一个看似合理但错误的事实，让两个智能体读取，然后尝试撤回。一个下午里观察到的传播和清理过程，比任何架构图都有价值。

4. 持续进行： 指定所有者。没有明确人类责任人为其正确性负责的记忆资产，就是带向量索引的技术债。

如果你的记忆需求仍然停留在单智能体，取舍会更简单，也更轻量。自托管智能体文章覆盖了这一端的选择。

常见问题

用一句话解释，什么是共享智能体记忆？

一个持久化存储，让多个智能体及其人类用户共同读写事实、流程和上下文。这样团队就不用每次从零重新给每个智能体交代背景，但也会开始继承彼此的错误。

腾讯 Team Memory 和 Asana AI Teammates，哪个更安全？

它们回答的是不同问题。腾讯提供更细、更明确的访问模型，包括四级可见性、按智能体分配记忆装载、默认私有，而且支持自托管，因此数据放在哪里由你决定。Asana 的模型颗粒度更粗，但经历了长期实际使用，因为它直接继承原本就管理机密工作的工作区权限。这里所谓“安全”，很大程度上意味着“是否正确匹配你组织的权限结构”，而只有你知道自己的结构。

共享记忆错了以后会怎样？

今天的答案大多是：不会自动发生太多事情。腾讯会跟踪版本和状态，但没有公开说明已被消费事实的纠错或过期流程。Asana 通过人类反馈闭环纠正行为，却没有公开记忆纠错机制。Graphiti 会通过时间戳让过时事实失效，这是目前最好的底层语义，但它管理的是一个智能体的图谱。无论选哪一种，都应该给人工复查流程留预算。

两个智能体互相矛盾的记忆能自动协调吗？

在我能找到证据的任何已发布系统里，都还不能。现在的行为通常是由检索排序选出一个结果，也就是说冲突会在每次查询时，被相似度分数悄悄决定。如果你的场景里存在真正重要的事实，例如监管、财务或安全信息，那就把“谁的记忆优先”当成必须自己定义的政策问题，不要等它某天变成产品功能。

最后的判断

共享记忆方向是对的，但产品还没做完。腾讯和 Asana 分别证明了访问控制这一半是可以构建的，一个开放、可迁移，一个封闭但原生继承权限。光这一点，就足以让这个 8 月成为真正的里程碑。但纠错、过期和冲突这一半，目前没有任何人给出完整文档，而默认负责人就是你自己。可以买它们的访问控制，但纠错流程要自己设计，并且要把每条共享记忆都当成“整个团队已经照着它行动过的事实”来看，因为等你注意到问题时，往往已经如此。

如果你正在判断共享记忆应该放进自己智能体技术栈的哪个位置，这也是我经常和客户一起讨论的问题。欢迎联系我。

来源

• 腾讯云，《TencentDB Agent Memory 发布 Team Memory》：https://www.tencentcloud.com/dynamic/news-details/101465 （发布于 2026 年 8 月 13 日，检索于 2026 年 8 月 29 日）

• VentureBeat，《腾讯 Team Memory 让 AI 智能体跨团队共享记忆，但错误记忆的治理仍未解决》：https://venturebeat.com/data/tencents-team-memory-shares-ai-agent-memory-across-a-team-with-no-governance-yet-for-when-its-wrong （发布于 2026 年 8 月 7 日，检索于 2026 年 8 月 29 日）

• VentureBeat，《Asana 的 AI 智能体会在公司内部共享记忆，但不会共享你的机密》：https://venturebeat.com/orchestration/asanas-ai-agents-share-memory-across-your-company-but-not-your-secrets （发布于 2026 年 8 月 3 日，检索于 2026 年 8 月 29 日）

• Asana, Inc.，《Asana 发布新的 AI 队友》：https://investors.asana.com/news-releases/news-release-details/asana-announces-new-ai-teammates-collaborative-agents-deliver/ （发布于 2025 年 9 月 25 日，检索于 2026 年 8 月 29 日）

• TencentCloud，TencentDB-Agent-Memory 项目仓库：https://github.com/TencentCloud/TencentDB-Agent-Memory （检索于 2026 年 8 月 29 日）

• Zep，Graphiti 项目仓库：https://github.com/getzep/graphiti （检索于 2026 年 8 月 29 日）

• Mem0 项目仓库：https://github.com/mem0ai/mem0 （检索于 2026 年 8 月 29 日）

• OWASP，《智能体 AI 威胁与缓解措施》：https://genai.owasp.org/resource/agentic-ai-threats-and-mitigations/ （检索于 2026 年 8 月 29 日）