openJiuwen AgentMemory 上線 OmniMem-Lens，長影片召回精度最高升 45.7%
openJiuwen AgentMemory 0.2.0 上線多模態記憶能力 OmniMem-Lens，用視覺畫面與 ASR 語音雙流交叉對焦，把長影片切在真實事件邊界上並分層儲存，替代按固定時間視窗盲切。L1/L2 記憶單元已文字化、向量化，可接入主流向量資料庫；記憶離線建好，線上按語義匹配 L1/L2，僅在需要視覺核驗時調取 L0 原始幀。
官方稱這是首次讓 Agent 以視聽雙流按事件記憶長影片，並給出最高 +45.7% 召回精度、時延降 97% 的對照實測，做 Agent 與多模態 RAG 的開發者可低成本接入。
原標題：让Agent首次拥有“视听双流记忆”：openJiuwen Agent-Memory看懂长视频，关键事件一个不落
閱讀原文
| 評分 | 58 / 58（平均 58，門檻 65） |
|---|---|
| 狀態 | 未入選 |
相關報導
openJiuwen 開源企業級 AgentOS，主打多智慧體協同與自演進
openJiuwen 發布並開源企業級 AgentOS，把多智慧體協同、自演進、算力親和與企業級安全可靠能力整合進統一底座，並以外掛化架構連線上層應用與底層模型算力。平台支援任務拆解、角色分工與並行執行的蜂群協同，可依據執行軌跡與使用者反饋持續最佳化技能，同時提供多租戶隔離、安全沙箱與權限管理。
文章稱 agent 不需要記憶外掛，應改用文件式記憶
2026 年 10 月 3 日，一篇技術文章批評市面上的 agent 記憶外掛本質都是 RAG：把會話切成片段存入向量庫，每次提示注入最相似的 5 條，存在相似度不等於正確、片段脫離上下文、舊記憶被當作事實、無法審計等問題。作者主張改用文件式記憶，讓 agent 工作前查閱 Markdown 文件、工作後更新，並稱已把這一思路做成外掛 Operator Memory，不使用向量資料庫和嵌入。
多模態 Agent 記憶基準 WorldMemArena 發布
加州大學聖塔芭芭拉分校、斯坦福等六家機構聯合提出多模態 Agent 記憶評測基準 WorldMemArena，論文已被 NeurIPS 2026 接收。該基準含 400 多項多會話任務、24,258 組問答與 15,595 張影像截圖，把記憶拆成寫入、維護、檢索、使用四個環節來定位失敗原因。初步結果顯示，存得多不等於用得好：M2A 記憶召回率 86.83%，問答正確率僅 50.14%；
openJiuwen 首發個人知識空間，任務耗時減少 76.2%
openJiuwen 在 WorkSwarm 首發個人知識空間，把本地資料夾、Edge 收藏夾、知乎專欄、今日頭條、飛書文件、GitHub、AtomGit 等來源的資料自動採集整理成有目錄、有出處的知識庫，供智慧體按需讀取。使用者可手動或定時增量採集，並在規則、規則與大模型混合、智慧體三種處理方式中選擇，整理結果可通過目錄、圖譜或搜尋查閱，智慧體使用時採用漸進式披露、沿目錄逐步讀取。
Comma 用單主會話與共享事實清單實現 Agent 長期記憶
常駐型個人智慧體 Comma 公開了長期記憶的工程實現：每個工作區只保留一條主會話，所有 Agent 共享一份由快速決策模型 Jev 維護的事實清單，寫入前和每輪迴復後都由 Jev 判斷內容是否該共享、清單是否過時、Agent 是否偏離任務。團隊版按受眾劃分記憶，並用 Lean 實現的資訊流控制核心檢查每次對外傳送的讀者權限；等待外部事件由 Agent 自己編寫的 eBPF Loop 承擔，其記憶體隔離有約 4 萬行 Lean 證明。