Oracle Agent Memory：面向長期AI代理的企業級記憶體基礎架構
來自arXiv的一份技術報告介紹了Oracle Agent Memory，這是一個基於Oracle資料庫構建的資料庫原生記憶體系統，專為長期執行的AI代理設計。該系統在LongMemEval上達到了93.8%的準確率，同時相比扁平歷史基線減少了約10.7倍的令牌使用量。系統解決了記憶體生命週期、具有作用域控制的分層架構，以及結合任務準確性和記憶體特定指標的評估方法。
2026年7月14日，由Richmond Alake等13位作者共同撰寫的技術報告《Oracle Agent Memory as an Enterprise Memory Substrate for Long-Horizon AI Agents》提交至arXiv。該報告聚焦於長期執行AI代理的記憶體系統問題，指出簡單的文件檢索已無法滿足實際需求——代理記憶體必須能夠確定哪些互動會轉化為持久狀態、如何劃定狀態範圍、在延遲約束下如何檢索，以及如何隨時間修訂或移除狀態。為此，研究團隊提出了Oracle Agent Memory，一個基於Oracle資料庫構建的資料庫原生記憶體基礎架構。
該系統圍繞三個核心主題設計：第一，記憶體生命週期，涵蓋資料攝取、提取、整合、檢索、摘要以及修訂或移除六個階段，確保記憶體從建立到消亡的完整管理；第二，分層架構，將活躍記憶體核心與被動記憶體儲存介面分離，並對使用者、代理和執行緒進行明確的作用域控制，從而實現精細的許可權和隔離；第三，評估方法，將下游任務準確性與記憶體中心指標（如證據檢索、召回率、延遲和估計令牌使用量）相結合，提供更全面的效能衡量。
在LongMemEval基準測試中，Oracle Agent Memory達到了93.8%的準確率，與扁平歷史基線相比，所使用的令牌數量減少了約10.7倍。此外，報告還與其他已釋出或報告的外部基線進行了比較，結果均顯示出優越效能。附錄部分提供了實施細節，包括設定指南、執行緒生命週期管理和搜尋語義等內容。全文共23頁，包含7張圖表，可在arXiv上查閱。該工作對於構建高效、可擴充套件的長期AI代理記憶體系統具有重要意義，尤其適用於需要持續互動和多會話記憶的複雜企業場景。