Databricks 推出智能体记忆功能
内容提要
Databricks在Agent Bricks平台推出智能体记忆功能（Beta版），基于MemCurrent架构并运行于Lakebase。该功能通过自动记录上下文、按需调用工具及后台整合记忆三种方式，存储关键事实、偏好和工作流，以减少重复错误。内部测试显示，任务通过率提升约三倍，令牌用量减少31%。该功能已用于Genie，开发者可通过CLI快速部署。
延伸解读
记忆架构的双层设计
Databricks 的 Agent Memory 基于 MemCurrent 架构，将记忆分为两层：原始记录（记录每轮对话）和提炼记录（后台管线蒸馏出的长期记忆）。这种设计让记忆的写入和读取分离，避免智能体在任务中途临时拼凑记忆，从而同时提升任务通过率并降低令牌消耗。
性能提升的实测数据
内部基准测试显示，采用该记忆架构后，智能体在真实企业任务上的通过率提升约三倍，同时令牌用量减少31%。这意味着记忆不仅让智能体更“聪明”，还直接降低了推理成本，对于需要长期运行的生产级智能体而言，成本效益显著。
开箱即用的部署方式
Agent Memory 运行在 Lakebase（Databricks 的无服务器 Postgres）上，由平台托管，无需用户自建基础设施。开发者可通过 Agent Bricks CLI 在几分钟内为智能体启用记忆和会话功能，后续对话能自动继承之前学到的内容，降低了从演示到日常使用的门槛。
Q&A
Databricks 的智能体记忆功能是什么？
Databricks 在 Agent Bricks 平台上推出的智能体记忆功能（Beta 版），基于 MemCurrent 架构并运行于 Lakebase。它通过存储关键事实、偏好和工作流，帮助智能体记住重要信息，从而提升质量并降低成本和延迟。
智能体记忆功能是如何工作的？
它基于 MemCurrent 架构，结合三种访问模式：插件自动记录和加载上下文、智能体按需调用工具、以及后台的“ dreaming”管道整合记忆。所有操作通过 Lakebase 实现低延迟访问。
使用智能体记忆能带来哪些性能提升？
根据 Databricks 内部基准测试，在真实企业任务中，智能体任务通过率提升约三倍，同时令牌用量减少 31%，并且完成任务更快。
如何为我的智能体添加记忆功能？
开发者可以通过 Agent Bricks CLI 在几分钟内部署带有记忆和会话的智能体。此外，官方提供了快速入门指南和教程，分别用于创建新智能体或为现有智能体添加记忆。
智能体记忆功能目前处于什么阶段？
该功能目前处于 Beta 阶段，已可用于生产环境，并且已经为 Databricks 的 Genie 提供记忆支持。
智能体记忆功能运行在什么基础设施上？
它运行在 Lakebase 上，这是 Databricks 的无服务器 Postgres 服务，由 Databricks 在用户工作区中配置和运营，确保记忆存储和检索的极低延迟，并能随智能体流量扩展。
