Oracle智能体记忆：面向长程AI智能体的企业记忆基底

智能体记忆是长程智能体的系统问题。实际部署要求跨延展对话保持任务状态、跨会话恢复用户专属事实与偏好、并从既往结果积累程序性知识。这些要求超出文档检索：记忆层必须决定哪些交互成为持久状态、该状态如何界定范围、如何在延迟约束下检索、以及如何随时间修订或移除。本报告研究Oracle Agent Memory——构建于Oracle数据库之上的数据库原生记忆基底。三个主题组织讨论：作为生命周期的记忆——横跨摄取、抽取、整合、检索、摘要与修订或移除；分层架构——把主动记忆核心与带显式用户/智能体/线程范围控制的被动记忆存储接口分开；评估方法——以下游任务准确率辅以记忆中心度量（证据检索、召回、延迟与估计token使用）。报告汇总LongMemEval结果（达93.8%准确率），把Oracle Agent Memory与扁平历史基线比较（token用量约省10.7倍），并在可得处与已发布或报告的外部基线比较，最后以覆盖设置、线程生命周期与搜索语义的面向实现的附录收尾。