FileGram：基于文件系统行为痕迹的智能体个性化 grounding

正在文件系统中运行的协作 AI 智能体正迅速成为人机交互的范式；然而，有效的个性化受到严重的数据约束——严格的隐私屏障和难以联合收集多模态真实世界痕迹，阻碍了大规模训练和评估，现有方法仍以交互为中心，忽视了文件系统操作中密集的行为痕迹。为此，我们提出了 FileGram，一个综合性框架，将智能体记忆和个性化 grounded 在文件系统行为痕迹上，包含三个核心组件：（1）FileGramEngine——一个面向人格驱动的数据引擎，模拟真实工作流程并大规模生成细粒度多模态动作序列；（2）FileGramBench——一个基于文件系统行为痕迹的诊断性基准，用于评估记忆系统在人格重建、痕迹解缔、人格漂移检测和多模态 grounding 方面的性能；（3）FileGramOS——一种自下而上的记忆架构，直接从原子动作和内容 delta 构建用户人格， 将这些痕迹编码为程序性、语义性和情景性渠道，并在查询时进行抽象。大量实验表明，FileGramBench 对当前最先进的记忆系统仍具有挑战性，而 FileGramEngine 和 FileGramOS 有效且高效。我们希望通过开放源码此框架，支持面向个性化记忆导向文件系统智能体的后续研究。