Databricks 推出 Agent Memory，为 agent 提供跨会话持久记忆
给 agent 加一层托管记忆：不用自己搭系统，就能让它跨会话记住事实和偏好，同时省 token、少犯错。
Databricks 在 agent 开发平台 Agent Bricks 上线 Agent Memory（智能体记忆），目前进入 Beta。它把 agent 需要记住的关键事实、偏好和工作流存下来，同时降低成本与延迟。底层跑在 Lakebase（Databricks 托管的无服务器 Postgres）上，采用内部研究架构 MemCurrent：原始会话记录与后台提炼的长期记忆分两层维护。
正文摘录
在 Databricks 上推出 Agent Memory 今天我们推出 Agent Bricks 上的 agent memory —— Agent Bricks 是 Databricks 的 agent 开发者平台。Agent memory 通过存储 agent 应当记住的关键事实、偏好和工作流，在降低成本与延迟的同时提升 agent 质量。它今天以 Beta 版开放，运行在 Lakebase 之上以获得高可靠性与低延迟，并构建于 Databricks 最新的 memory 研究成果之上。 没有 memory，agent 会反复重新发现关键事实、忘记用户偏好，还会重犯已经被纠正过的错误。作为应对，许多开发者自己动手搭建 memory 方案，但会撞上大量设计问题——例如：memory 应该存在哪里？memory 应该如何合成？一旦生成之后，又应该如何检索？ 为解决这些问题，Databricks Agent Memory 构建在 MemCurrent 架构之上，该架构由 Databricks Research 首创。MemCurrent 组合了三种访问模式：自动记录和加载上下文的 plugins（插件）、agent 按需调用的 tools（工具），以及在后台整合 memory 的离线 dreaming pipeline（"做梦"流水线）。所有这些都通过 Lakebase 以极低的延迟提供服务。在我们的内部基准测试中，实现这套 memory 架构后，agent 在真实企业任务上的通过率提升至原来的三倍，同时 token 用量减少 31%。