AI记忆系统突破99%准确率：用Agent完全替代向量数据库

AI记忆系统突破99%准确率：用Agent完全替代向量数据库 | 推文 Supermemory团队用多智能体协作系统在长期记忆基准测试LongMemEval上达到99%准确率，核心突破是用3个并行搜索Agent替代传统向量检索，让AI通过“理解”而非“数学相似度”来回忆信息。

这套方案不需要向量数据库，甚至可以嵌入机器人。

向量数据库可能不是AI记忆的最优解。

Supermemory在LongMemEval基准测试（11.5万token对话历史）上达到99%准确率，用的方法反而更简单：完全抛弃向量检索，改用多个Agent协作。

传统RAG的问题出在检索环节。

语义相似度匹配根本分不清“旧事实”和“新更正”，当检索结果里混杂太多噪音，大模型就会迷失。

他们的解法是ASMR（Agentic Search and Memory Retrieval）： 信息摄取阶段，3个并行Observer Agent同时读取对话记录，按照个人信息、偏好、事件、时间数据等六个维度提取知识点，直接存储结构化内容而非生成embedding。

检索阶段才是关键。

面对提问时不查询数据库，而是派出3个专门的搜索Agent——一个找直接事实，一个挖隐含语境，一个重建时间线。

这些Agent是在“主动阅读和推理”，不是在做向量余弦计算。

回答阶段用了两种策略测试。

第一种是8个高度专业化的prompt变体并行运行（精确计数专家、时间专家、上下文深挖专家等），只要任何一条推理路径答对就算成功，准确率98.6%。

第二种是12个Agent独立作答后，由一个聚合器LLM综合投票裁决，准确率97.2%。

有观点认为这套系统证明了“认知理解”比“数学相似性”更适合处理记忆任务。

数学只能捕捉表层模式，而Agent可以处理时间序列中的矛盾、更新和细微差别。

更有意思的是，这个架构完全在内存中运行，不依赖外部向量数据库，理论上可以部署到任何设备，包括机器人。

他们11天后会开源全部代码。

当数十亿个高度个性化的AI Agent开始学习和记住我们的一切时，记忆系统的天花板在哪里？

也许不在算力，而在我们愿意给Agent多少“主动思考”的权限。