当 AI 开始从「回答问题」走向「自己做事」，一个越来越现实的问题也随之出现：如果一个 AI Agent 要连续工作几小时、几天，甚至更长时间，它能不能记住自己之前做过什么？

8 月 27 日，第五届 828 B2B 企业节在 2026 中国国际大数据产业博览会期间于贵州贵阳开幕。随着 AI Agent 加速进入真实业务场景，行业关注点也从单纯的模型能力，进一步延伸至 Agentic AI 工程化、上下文管理（Context Engineering）和智能体基础设施（Agent Infrastructure）等更贴近实际落地的方向。

作为专注 AI 记忆基础设施研发的技术企业，MemoraX AI 受邀参会，并展示了面向 Coding Agent 的长期记忆产品 MemoraX Code，同时分享了与华为云围绕 AI Memory 和企业级 Agent 基础设施展开的合作探索。

Agent 从「能思考」走向「能动手」，Memory 成为关键一环

从对话式助手到自主执行，AI Agent 正在承担越来越复杂的任务。尤其在 Agentic Coding 场景中，Agent 已经可以读取代码、调用工具、修改文件、运行测试，并根据反馈继续推进。

但任务越长，新的问题也越明显：Context Window 变大，并不代表 Agent 真正拥有了长期记忆。

一个 Agent 今天解决过的问题，明天是否还能继续使用？项目中的历史经验、用户偏好和工作流程，能不能在新的 Session 中延续？这些都成为 AI 从「能做」走向「持续做好」需要解决的问题。

爱分析发布的相关研究预计，中国智能体记忆市场规模将从 2025 年的 14.4 亿元增长至 2030 年的 642.5 亿元，五年复合增长率超过 110%。AI Memory 正在从辅助能力走向 Agent 基础设施的一部分。

MemoraX Code：让 Coding Agent 不必每次从零开始

对于开发者来说，Coding Agent 最大的效率损耗之一，并不是不会写代码，而是不断重新理解已经理解过的事情。

一个 Bug 可能昨天刚排查过，今天换个 Session 又重新搜索；项目规范已经解释过，新任务里仍然需要重新交代；一个曾经失败的方案没有被留下，Agent 下一次还可能再次尝试。

MemoraX Code 正是从这一问题出发，为 Coding Agent 提供长期记忆能力。它帮助 Agent 在不同 Session 和不同 Agent 之间持续保留有价值的工程经验、项目知识、用户偏好和工作流程，让过去完成的工作可以继续服务下一次任务。

简单来说，不是让 Agent 记住更多，而是让真正有用的工程经验可以跨 Session、跨 Agent 继续使用。

[MemoraX AI 联合创始人郑岩在大会现场介绍 MemoraX Code]

在实际测试中，一个 Python Click 框架连续 Bug 修复案例显示，使用 MemoraX Code 后，Token 消耗降低 60%，处理时间减少 48%，Retry 次数降低 100%。在企业级 AI 开发平台的应用测试中，Token 消耗降低 28%，重复提问减少 45%，一次通过率提升 38%。

MemoraX 的能力也获得了公开评测的进一步验证。2026 年 8 月公布的首期 Agent Memory Leaderboard（AML）商业产品榜单中，MemoraX 以 58.02 分位列第一，并在七项评测能力中全部取得第一。此外，MemoraX 还在 LoCoMo-Refined、SWE-ContextBench 等更贴近真实场景的评测中持续获得领先成绩。

这些结果背后，是 MemoraX 在 AI 记忆领域长期技术积累的一次集中体现。围绕大模型长期记忆能力，MemoraX AI 构建了以「可学习记忆策略引擎、记忆基模、自演进 Agent Harness」为核心的 Agent 记忆技术体系——从榜单上的全面领先到长程对话与工程经验复用等不同场景的稳定表现，这一体系正在从技术验证走向系统化的能力沉淀。

从 Memory 到 Experience

MemoraX AI 关注的不只是信息保存，还包括什么值得记住、什么时候应该调用，以及过去的经验在今天是否仍然适用。

比如，用户长期形成的编码习惯可以沉淀为 Personal Memory；项目中的架构和历史决策可以成为 Repo Memory；过去的成功方案和失败路径，则可以转化为可复用的 Coding Memory。进一步地，重复出现的开发流程还可以沉淀为 Procedure Memory，并形成可复用的 Skills。

从「记住发生过什么」，到「知道以后可以怎么做」，Memory 开始从单纯的信息层走向经验层。

携手华为云，探索企业级 Agent Memory

在企业场景中，Memory 的价值不仅是让单个 Agent 更好用。

随着企业部署越来越多的 AI Agent，项目知识、业务流程和组织经验也需要被持续沉淀，并在不同任务和 Agent 之间复用。

在企业场景中，Memory 的价值不止于让单个 Agent 更好用——当 Agent 逐步进入业务流程，项目知识、组织经验都需要被持续沉淀，并在不同任务和 Agent 之间复用。基于这一趋势，MemoraX AI 与华为云正围绕 AI Memory、记忆基模和企业级 Agent 基础设施展开合作，结合云基础设施与大模型服务，为企业应用提供持续的记忆与上下文支持。

目前，MemoraX AI 已在医疗、金融、消费电子、智能制造等行业落地。在医疗领域，AI 助手对患者状态的持续跟踪召回率达 92%，重复追问下降 38%；在金融、智能制造等场景中，记忆能力也已应用于投研分析、AI 开发平台与智能设备，支持个性化服务与长程任务质量提升。

这一方向也与当前行业对 Context Engineering 和 Harness Engineering 的关注相呼应——当 Agent 开始处理复杂的长期任务后，决定最终效果的已不只是模型本身，更是上下文、工具、工作流与记忆的协同方式。

AI 下一阶段，不只是更聪明，也要更有经验

从模型到 Agent，再到 Agentic Coding，AI 正在从一次性工具走向能够长期执行任务的智能系统。一个真正长期工作的 Agent，不仅需要知道当前要做什么，也需要知道过去发生过什么，以及哪些经验今天依然有用。

这背后指向的，是 AI 能力演进的一个更深层方向：Recursive Self-Improvement（RSI，递归自我改进）。AI 不仅要完成当前任务，更要在每一次任务中积累经验、优化自身，让下一次做得更好——这正是记忆能力在更高维度上的价值。记忆不只是「记住」，而是让系统在持续交互中不断自我进化。

围绕「可学习记忆策略引擎、记忆基模、自演进 Agent Harness」的技术体系，MemoraX AI 所做的，正是让 Agent 在每一次交互中都有机会变得更好——从「更聪明」走向「更有经验」，从「完成单次任务」走向「在长期协作中持续进化」。这也是 MemoraX AI 对自身的定位：构建 Agent 时代的一层通用记忆基础设施。

对开发者而言，这可能意味着一个很简单但很重要的变化：以后每一次让 AI 完成的工作，都不应该只是一次性的结果，也可以成为下一次工作的起点。

关于 MemoraX AI

MemoraX AI 致力于构建 AI 长期记忆技术，让 AI 能够持续保留经验、维持上下文，并在未来任务中复用过去积累的知识。

公司围绕可学习记忆策略、记忆基模和自演进 Agent 基础设施构建长期记忆技术体系，并持续探索 AI Memory 在 Coding Agent 和企业级 AI 场景中的应用。

其产品 MemoraX Code 面向 Coding Agent 提供长期记忆能力，支持跨 Session、跨 Agent 复用工程经验、项目知识、用户偏好与工作流程。

来源：互联网