针对当前终身多模态智能体在参数记忆容量刚性易遗忘、检索记忆缺乏结构化抽象、检索结果可信度缺失三个方面的瓶颈，本文提出一种基于双路径记忆协同与动态置信度评估的终身多模态智能体记忆框架（MemFusion）。该框架构建快-慢双路径协同机制，快路径依托轻量级参数化记忆模型实现毫秒级直觉召回，慢路径构建层次化检索记忆网络将多模态经验组织为核心记忆、情景记忆与语义记忆三类子图结构，通过中央记忆编排器根据查询复杂度动态路由；提出多模态原子化存储与混合渐进检索方法，通过CLIP、VAD与Jaccard系数实现跨模态新颖性过滤，将异构信号封装为多模态原子单元，采用冷热分层存储与金字塔渐进加载平衡效率与精度；引入三维动态置信度评估机制，综合来源可靠性、时间衰减与冲突感知共识为每个检索记忆项计算可靠性分数，实现低质、过时与冲突记忆的过滤及模型审慎弃权。实验表明，该框架在LoCoMo与Mem-Gallery基准上均取得显著性能提升，总体F1分别达到0.59与0.65，相比最强基线提升16%与12%，消融实验验证了三个核心模块的有效性。

终身多模态记忆;双路径记忆协同;动态置信度评估;认知审慎机制;智能体记忆框架