问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
近日，微软正式公布全新AI研究项目Memora，瞄准当前AI代理普遍存在的长期记忆存储冗余、召回准确率低的行业痛点。该项目摒弃传统基于原始对话历史的记忆存储逻辑，采用基于抽象知识组织、线索触发式检索的全新架构，据内部测试数据，其长期记忆召回效率较传统方案提升42%，存储资源占用减少61%。
过去两年，AI代理（AI Agent）已成为生成式AI落地的核心方向，从消费级个人助理到企业级自主办公、智能客服系统，越来越多场景开始引入可自主执行任务的AI代理，但记忆能力不足始终是限制其规模化落地的核心瓶颈。
当前主流的AI代理记忆方案主要分为两种：一种是直接拉长大语言模型的上下文窗口，将全部历史对话输入模型推理，但窗口超过128K之后，推理成本会呈指数级上升，且信息召回准确率会下降30%以上；另一种是搭配向量数据库存储对话片段，通过相似度匹配召回相关内容，但很容易遗漏关联度高但字面相似度低的关键信息，导致AI代理出现“遗忘”或答非所问的问题。
Memora的核心创新，是彻底改变了AI代理记忆的存储和调用逻辑，跳出了“存储全量数据、匹配字面相似度”的传统思路。
不同于传统方案存储原始对话文本的做法，Memora会先对所有输入的信息做分层抽象，按照知识类型、事件关联、用户意图等维度自动生成结构化的“记忆索引”，仅保留核心信息而非全部对话内容，从根源上降低了存储开销。
在召回环节，Memora采用线索触发式检索机制：当用户输入新的指令时，系统会先提取指令中的核心线索，对应到抽象记忆库中的关联节点，直接调取相关的核心信息，无需遍历全量历史数据，既提升了召回速度，也避免了无关信息的干扰。
据了解，Memora目前已经在微软内部的Copilot测试场景中落地验证，搭载该技术的Microsoft 365 Copilot在处理超过30轮的长周期项目需求时，信息准确率提升了37%，推理耗时下降了29%。
微软方面透露，预计2025年上半年，Memora的相关能力会逐步开放到Azure AI服务中，供全球开发者调用，未来还将集成到微软全线Copilot产品中，降低AI代理的开发和运行门槛，推动长周期、高复杂度场景的AI落地。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号