搜索
前不久，Anthropic 的工程团队在 11 月 6 日发了一篇文章《The components of agent memory》。里面有一个非常有意思的观察：很多被精心设计过的知识wiki或者Agent Memory准确率有时候还不如直接搜索原始文档高。但换个场景，过多的原始信息塞给模型，有时候也同样会让检索的准确率暴跌。
为 Agent 建记忆，花掉了上亿 Token，结果在相当一部分情况下，回答准确率甚至低于直接用RAG检索聊天记录。
背后由清华大学、北京大学等一众机构支持的 Agent Memory Leaderboard（中文名「记忆之巅排行榜」）放出了首期成绩，目前该项目上榜 Huggingface Spaces Trending 首屏。
对 Agent 来说，这种长期记忆能力，正逐渐成为影响实际可用性的一项基础能力。今天，Agent Memory Leaderboard（AML，记忆之巅排行榜）正式发布首期结果。
在做 Agent Memory 工程化探索的这几个月里，我经常有种被概念淹没的窒息。图结构记忆、AutoMemory、做梦机制、各种层出不穷的 Memory 框架……整个技术社区似乎陷入了一种每遇到一个新场景就要发明一套新词汇的群体焦虑中。
当 LLM Agent 处理长期对话、多轮交互和复杂文档时，Memory 已经成为不可或缺的核心模块。它帮助智能体保存历史、检索信息、维持个性化上下文，并支撑跨时间的推理能力。
某天，老板让你用 Agent 手搓个自动化流程的小工具，你袖子一撸，信心满满地开干。
多模态Agent最容易制造的一种错觉是：它看过图片，所以它记住了图片。
TencentDB Agent Memory 全球正式开源
4 月 18 日，Elastic 中国 AI 搜索技术大会在北京召开。以下内容整理自 Elastic 全球副总裁肖涵，原 Jina AI 创始人兼 CEO 在会上的演讲。肖涵讲述了 AI 搜索的发展历程以及为什么说在 2026 年做 AI 搜索基本就是在做智能体记忆 (Agent Memory)。