openJiuwen智能体记忆系统迭代 视频记忆改按真实事件切分存取
要点
openJiuwen社区开源的智能体长期记忆模块agent-memory（又称Jiuwen Memory）发布0.2.0版本，官方发布说明显示该版本于2026年9月21日上线，其中最受关注的是视频多模态记忆能力：视频流水线先对音轨做语音转写，再结合多模态抽取从画面与语音中提取记…
openJiuwen社区开源的智能体长期记忆模块agent-memory（又称Jiuwen Memory）发布0.2.0版本，官方发布说明显示该版本于2026年9月21日上线，其中最受关注的是视频多模态记忆能力：视频流水线先对音轨做语音转写，再结合多模态抽取从画面与语音中提取记忆，并支持多模态记忆的混合检索召回。据公开报道，团队将这套视频记忆方案命名为OmniMem-Lens，主张让智能体”按真实事件”而不是”按秒”来记视频。
长视频记忆的难点出在切分环节。通行做法是把几小时的视频按固定时间窗口切成小段分别记忆，一段连贯的讲解可能从中间断开，前后半段被当成互不相干的证据；几秒钟的关键动作又会与前后无关画面打包，检索时被噪音淹没。只依赖单一模态的切分同样存在盲区：画面长时间静止时看不出议题已经切换，没有台词时又听不到任何线索。
据公开报道，新方案的机制是视觉与听觉双流交叉对焦：视觉流捕捉画面切换，语音转写流判断话题转向，两路证据共同落在真实事件边界上；记忆按三层组织，L0保留原始视频，L1存事件级大纲，L2存秒级片段细节，检索时先与文本化、向量化的上两层匹配，确需核验画面细节时再按需调取原始帧；记忆构建放在离线完成，在线问答只查现成索引。
回到官方仓库，agent-memory的定位是框架无关的记忆底座，并不限于视频：对话、文档、代码、运行轨迹、图像、音频、视频都可作为记忆来源，检索支持关键词与向量混合召回，评测框架内置LoCoMo与LongMemEval适配器，可通过SDK、HTTP API、CLI等方式接入。官网信息显示，该记忆能力还计划与平台的WorkSwarm工作台打通；0.2.0版本同时引入多智能体团队的群体记忆，团队成员的记忆可跨空间共享。
数据层面需要多留一个心眼。据公开报道的团队自测，配合Qwen3-VL-8B模型，该方案在三个长视频问答评测集上召回精度最高提升45.7%，其中一个评测集的在线问答时延从34.5秒降到1.72秒。这些数字为团队自行评测公布，尚未见第三方复现；官方仓库的发布说明也只表述为”视频多模态记忆”，未附性能数据与OmniMem-Lens这一命名，采用时宜以仓库文档与实际部署效果为准。
