Agent Memory
解决大语言模型无状态问题的关键技术，通过外部存储机制持久化Agent的工作上下文、决策历史和学习到的模式，支持多Agent间共享读写和冲突解决
核心事实
时间轴 (近 90 天)
Agent Memory 降低了在 Agent Bricks 上构建应用的团队实现长期记忆的门槛，平台承载存储结构、召回策略和上下文注入逻辑。
Databricks 在 Agent Bricks 平台上正式推出 Agent Memory 功能。
Databricks 官方披露的 Agent Memory 信息有限，记忆的存储粒度、召回机制、与向量检索组件的配合方式、跨 Agent 共享记忆的边界等细节尚未公开。
当Agent引用的政策文档发生更新后，现有系统没有机制自动通知Agent其基于旧文档做出的决策已过时。
当前AI Agent生态中，上下文层（RAG）和记忆层（Agent Memory）两个领域各自独立发展，缺乏真正的联动机制。
文件形态的记忆在检索效率、并发写入一致性上不如专用数据库，规模化场景下仍需评估。
Agent的记忆机制通常分为短期记忆和长期记忆两大类，长期记忆需借助向量数据库、关系型数据库、图数据库等外部持久化存储
全部知识事实 (17)
Agent的记忆机制通常分为短期记忆和长期记忆两大类，长期记忆需借助向量数据库、关系型数据库、图数据库等外部持久化存储
80%待验证Agent Memory 的定位是给 AI 编码代理补上长期记忆的本地记忆层，作为所有 Agent 共用的 Memory Server
95%待验证Agent Memory 项目自带一个网页端的实时 Viewer，可以查看记忆的写入、搜索和回放过程
90%待验证Agent Memory 提供插件、Hooks、MCP 协议以及 REST API 等多种接入方式
90%待验证Agent Memory 的记忆数据存储在本地，不依赖云端服务
90%待验证Agent Memory 是一个开源项目，目前已在 GitHub 上获得 10.8k stars
85%待验证Agent Memory 具备语义级别的检索能力，通过向量嵌入将文本转化为高维空间中的数值向量进行语义匹配
85%待验证Agent Memory 的 Readme 中给出了 Long-term Memory Retrieval Benchmark 的数据来展示其语义检索能力
85%待验证在Agent Memory领域社区讨论中，强化学习与知识内化方向获得最多支持，被认为是Memory的终极目标
75%待验证几乎所有Agent Memory框架都围绕CRUD四个操作展开，通过embedding做向量检索，方法高度雷同
70%待验证Agent Memory 支持 Claude Code、Codex、Cursor、Gemini CLI 等多种 AI 编码工具接入同一套记忆系统
60%待验证Agent Memory 降低了在 Agent Bricks 上构建应用的团队实现长期记忆的门槛，平台承载存储结构、召回策略和上下文注入逻辑。
50%待验证Databricks 官方披露的 Agent Memory 信息有限，记忆的存储粒度、召回机制、与向量检索组件的配合方式、跨 Agent 共享记忆的边界等细节尚未公开。
50%待验证当Agent引用的政策文档发生更新后，现有系统没有机制自动通知Agent其基于旧文档做出的决策已过时。
50%待验证当前AI Agent生态中，上下文层（RAG）和记忆层（Agent Memory）两个领域各自独立发展，缺乏真正的联动机制。
50%待验证文件形态的记忆在检索效率、并发写入一致性上不如专用数据库，规模化场景下仍需评估。
50%待验证Databricks 在 Agent Bricks 平台上正式推出 Agent Memory 功能。
50%