Oracle Agent Memory：面向长期AI代理的企业级内存基础架构
来自arXiv的一份技术报告介绍了Oracle Agent Memory，这是一个基于Oracle数据库构建的数据库原生内存系统，专为长期运行的AI代理设计。该系统在LongMemEval上达到了93.8%的准确率，同时相比扁平历史基线减少了约10.7倍的令牌使用量。系统解决了内存生命周期、具有作用域控制的分层架构，以及结合任务准确性和内存特定指标的评估方法。
2026年7月14日，由Richmond Alake等13位作者共同撰写的技术报告《Oracle Agent Memory as an Enterprise Memory Substrate for Long-Horizon AI Agents》提交至arXiv。该报告聚焦于长期运行AI代理的内存系统问题，指出简单的文档检索已无法满足实际需求——代理内存必须能够确定哪些交互会转化为持久状态、如何划定状态范围、在延迟约束下如何检索，以及如何随时间修订或移除状态。为此，研究团队提出了Oracle Agent Memory，一个基于Oracle数据库构建的数据库原生内存基础架构。
该系统围绕三个核心主题设计：第一，内存生命周期，涵盖数据摄取、提取、整合、检索、摘要以及修订或移除六个阶段，确保内存从创建到消亡的完整管理；第二，分层架构，将活跃内存核心与被动内存存储接口分离，并对用户、代理和线程进行明确的作用域控制，从而实现精细的权限和隔离；第三，评估方法，将下游任务准确性与内存中心指标（如证据检索、召回率、延迟和估计令牌使用量）相结合，提供更全面的性能衡量。
在LongMemEval基准测试中，Oracle Agent Memory达到了93.8%的准确率，与扁平历史基线相比，所使用的令牌数量减少了约10.7倍。此外，报告还与其他已发布或报告的外部基线进行了比较，结果均显示出优越性能。附录部分提供了实施细节，包括设置指南、线程生命周期管理和搜索语义等内容。全文共23页，包含7张图表，可在arXiv上查阅。该工作对于构建高效、可扩展的长期AI代理内存系统具有重要意义，尤其适用于需要持续交互和多会话记忆的复杂企业场景。