Oracle 代理内存：面向长期 AI 代理的企业内存基板

Oracle 发布研究报告，介绍基于 Oracle 数据库的原生内存层 Oracle Agent Memory，用于长期 AI 代理。该方案通过内存生命周期管理和分层架构，在 LongMemEval 上达到 93.8% 准确率，相比扁平历史基线减少约 10.7 倍 token 用量。

传统代理依赖文档检索处理长期任务，token 效率低且缺乏状态管理。Oracle Agent Memory 提供数据库原生内存层，将交互转化为持久状态并精确检索，准确率提升的同时大幅降低 token 消耗，改变了企业级 AI 代理的内存实现方式。

该内存层将代理内存视为生命周期，包括摄入、提取、整合、检索、摘要、修订/删除六个阶段。架构上分离主动内存核心与被动存储接口，通过用户、代理、线程三层范围控制实现精准状态管理与高效率召回，降低延迟和 token 使用。

若集成至企业产品，可显著降低 AI 代理在长对话中的 token 成本与延迟，提升事实召回准确性。但需要底层 Oracle 数据库支持，会增加企业技术栈依赖与基础设施要求。

• 为使用 Oracle 数据库的企业构建基于 Agent Memory 的客服或知识管理代理，利用其长期记忆能力提升响应一致性。
• 开发适配 Oracle Agent Memory 的低代码代理构建工具，让非技术用户通过配置范围控制实现个性化记忆管理。

• 该内存层是否已在实际生产环境中验证其性能和稳定性？
• 除了 LongMemEval，是否有第三方独立评估或与其他内存方案（如 MemGPT）的直接对比？
• Oracle Agent Memory 是否计划开源或作为 Oracle 云服务提供？
• 对于非 Oracle 数据库的团队，有无适配其他数据库（如 PostgreSQL）的计划？