什麼是 LEGOMem？
LEGOMem，全稱為 Modular Procedural Memory，是一套針對多代理大型語言模型（LLM）系統的記憶管理框架。論文發表於 arXiv（2510.04851v1），由資深研究團隊提出，旨在解決大型工作流程自動化中，如何分解任務軌跡並高效重用既往經驗的挑戰。
模組化程序式記憶架構設計
LEGOMem 將過往任務執行軌跡拆解成「記憶單元」（memory unit），並以模組化方式封裝 API 呼叫序列、工具使用範本、文本提示範例等。這些單元以可插拔形式部署，開發者可依據工作流需求自由擴充或更新，有助於維持系統的可維護性與彈性。
多代理系統的記憶部署
在多代理協同架構中，記憶可部署於「協調者」（orchestrator）或「執行代理」（task agent）。研究顯示，將宏觀規劃策略與分解邏輯保存在協調者，可提升整體任務拆解的準確度；而細粒度的 API 調用範例與執行手冊則適合散落在各代理端以加速落地。
檢索與重用策略
如何從龐大記憶庫中擷取最相關內容，是 LEGOMem 成敗關鍵。論文中提出類似向量檢索與索引分段結合的方法，並在提示工程中融入動態召回（dynamic recall）機制，使代理能根據上下文自動選取關鍵記憶，減少多餘資訊干擾。
OfficeBench 基準測試效能
在公認的 OfficeBench 工作流程基準測試中，LEGOMem 的架構整體性能較無記憶基線提升 23%；協調者記憶獨立測試項目成功率達到 78.5%，細粒度代理記憶則將執行精準度提升 15%。這些數據來自白皮書與實測 Benchmark，驗證了框架的可行性與效益。
小模型亦能顯著受益
有趣的是，研究團隊發現即使使用參數量較少的小型 LLM，只要結合 LEGOMem 記憶策略，即能大幅縮小與高階模型的性能差距。這代表新創團隊或預算有限的專案，也能透過模組化記憶提升整體自動化效能。
實務落地與工具整合
身為前後端×資料庫×Web3×生成式 AI 資深工程師，我建議在微服務架構中，將 LEGOMem 模組以容器化方式部署於 Kubernetes，並透過 CI/CD 與 DevOps 流程自動更新，確保記憶單元與智能合約或第三方 API 的版本同步。
職涯深造與下一步
對於 30–40 歲工程師，掌握 LEGOMem 類框架設計與實戰 Benchmark 調校，是進階自動化與生成式 AI 領域的利器。建議閱讀原始白皮書、動手實作 OfficeBench 範例、並在開源社群分享最佳實踐，以提升個人影響力並開拓中長期職涯路徑。
立即加入 OKX，開啟 Web3 自動化新視野：https://www.okx.com/join?channelId=42974376
