ElephantBroker：面向可信 AI 智能体的知识锚定认知运行时
人工智能
2026-03-27 v1
摘要
大型语言模型（LLM）智能体在高风险、多轮场景中操作时，事实锚定至关重要，但其记忆系统通常依赖平坦的键值存储或纯向量检索，缺乏追踪知识来源或可信度的机制。我们提出 ElephantBroker，一个开源认知运行时，通过将 Neo4j 知识图与 Qdrant 向量存储通过 Cognee SDK 统一，提供持久、可验证的智能体记忆。系统实现完整认知循环（存储、检索、评分、组合、保护、学习），包括混合五源检索管道、十维竞争评分引擎用于预算受限情境组装、四状态证据验证模型、五阶段上下文生命周期（具目标感知组装与持续压缩）、六层廉价首要卫士管道用于安全执行、AI 防火墙提供可执行工具调用拦截与多层安全扫描、九阶段整合引擎强化有用模式同时衰减噪声，以及数值权威模型治理多组织身份及其层级访问控制。通过包含 2,200 多项测试的全面测试套件进行架构验证，覆盖单元、集成和端到端测试，确认子系统正确性。模块化设计支持三种部署档案、五种配置预设（支持继承）、多网关隔离，以及人类监督的管理仪表板，实现从轻量记忆智能体到具备企业级安全性和可审计性的完整认知运行时的配置灵活性。
引用
@article{arxiv.2603.25097,
title = {ElephantBroker: A Knowledge-Grounded Cognitive Runtime for Trustworthy AI Agents},
author = {Cristian Lupascu and Alexandru Lupascu},
journal= {arXiv preprint arXiv:2603.25097},
year = {2026}
}