Oracle zaprezentował dedykowany system pamięci dla długotrwałych agentów AI, który rozwiązuje fundamentalny problem w praktycznych wdrażaniach - jak efektywnie przechowywać i pobierać istotne informacje z rozciągniętych sesji konwersacyjnych. Oracle Agent Memory jest zbudowany natywnie na Oracle Database i stanowi systemy podejście do zarządzania pamięcią agentów AI.
System funkcjonuje na bazie trzech kluczowych koncepcji. Po pierwsze, cykl życia pamięci obejmujący pozyskiwanie danych, ekstrakcję informacji, konsolidację, pobieranie, streszczanie oraz aktualizację lub usuwanie. Po drugie, warstwowa architektura, która oddziela aktywną pamięć roboczą od pasywnego magazynu z wyraźną kontrolą zasięgu dla użytkowników, poszczególnych agentów i wątków konwersacji. Po trzecie, metodologia ewaluacji, która łączy dokładność zadań (93,8% w testach LongMemEval) z miarami skupionymi na pamięci, takimi jak pobieranie dowodów, zwrot danych, opóźnienia i szacunkowe zużycie tokenów.
Wyniki są imponujące - Oracle Agent Memory wymaga około 10,7 razy mniej tokenów niż tradycyjne podejścia oparte na przechowywaniu całej historii rozmów. To ma znaczące implikacje dla kosztów operacyjnych i wydajności agentów pracujących przez wiele sesji. Dla przedsiębiorstw to oznacza, że agenty AI będą mogły przywoływać preferencje użytkowników, procedury operacyjne i wyniki poprzednich interakcji bez eksplozji kosztów obliczeniowych, stanowiąc skok w kierunku praktycznych, długoterminowych systemów AI w środowiskach korporacyjnych.