甲骨文发布企业级AI代理记忆系统，长程任务效率提升10倍

在长程AI代理的实际部署中，如何有效管理记忆成为关键系统挑战。近日arXiv发布的研究报告《Oracle Agent Memory as an Enterprise Memory Substrate for Long-Horizon AI Agents》提出了一种数据库原生的记忆解决方案。

该研究指出，实用化AI代理需要满足三大记忆需求：跨扩展对话的任务状态保持、跨会话的用户特定信息恢复、以及从历史结果中积累程序性知识。传统文档检索方案已无法满足这些要求，记忆层需要决定哪些交互应转化为持久状态、如何界定状态范围、如何在延迟约束下检索，以及如何随时间修正或删除。

甲骨文团队设计的记忆系统采用三层架构：核心层为主动记忆处理模块，中间层通过显式范围控制分离用户、代理和线程，底层为被动记忆存储接口。系统完整覆盖记忆生命周期——从信息摄入、提取、整合到检索、总结、修订与删除。

在LongMemEval基准测试中，该系统达到93.8%的准确率。与平铺历史基线相比，token使用量减少约10.7倍，显著提升效率。评估方法不仅关注下游任务精度，还引入记忆中心化指标，包括证据检索率、召回率、延迟和token消耗估算。

该研究为企业在实际业务场景中部署长程AI代理提供了可落地的记忆基础设施方案，特别适用于需要持续学习与个性化服务的应用场景。