随着 AI 从单轮问答走向长期任务执行与持续服务智能体需要处理的不再只是一次请求而是持续增长的用户偏好、事实背景、历史交互和任务状态。有限上下文与跨会话信息丢失只是表层问题更深层的挑战在于这些记忆如何在云上被持续写入、实时调用并随着用户规模和业务负载弹性扩展。在实际生产环境中AI 记忆并不是一份静态的聊天记录。它需要同时支撑高并发访问、海量数据增长、多租户隔离、故障恢复和动态扩缩容还要完成信息提取、结构化存储、精准检索、持续更新与生命周期治理。只有将记忆管理与云原生的数据基础设施结合长期记忆才能从单点功能升级为可规模化运行的 AI 基础能力。阿里云 PolarDB 云原生数据库与记忆张量 MemTensor提供了一条分层协同的工程化路径PolarDB PostgreSQL 版PolarDB-PG为 AI 应用提供统一、稳定的记忆数据底座MemOS 则作为面向 LLM 与 Agent 的记忆操作系统通过云开源部署方式结合统一 Memory API、记忆模型与 MemCube 记忆容器对记忆进行持续调度和管理。PolarDB-PG 负责记忆的“稳”MemOS 负责记忆的“活”。二者分别承担数据基础设施层与记忆系统层的职责共同形成一条从云原生存储、记忆管理到 Agent 调用的完整交付链路。一、构建智能体记忆面临的挑战进入真实业务后记忆系统往往还需要同时处理三类数据结构化信息。例如用户编号、创建时间、业务标签、记忆来源和权限范围需要关系型数据库完成精确过滤和一致性管理。语义信息。例如“喜欢低饱和度颜色”和“偏好莫兰迪色系”表达不同但语义接近需要向量检索进行召回。关系信息。例如用户、商品、订单和偏好之间的关联或某条记忆由另一条记忆更新而来需要图结构表达实体关系和多跳路径。传统方案通常需要分别部署关系库、向量库和图库再由应用层维护数据同步、连接配置和异常处理。PolarDB-PG 将关系、向量与图能力纳入同一数据库体系。向量侧可以通过优化后的 PGVector 完成语义检索图侧则通过 PolarAGE 专业图引擎处理实体关系和图查询结构化数据则继续使用 PostgreSQL 原生能力管理。这意味着记忆数据不再需要在多套数据库之间反复同步研发人员可以将更多精力放在记忆质量和业务逻辑上。二、PolarDB 一站式记忆管理系统底座能力全景2.1 一站式记忆库标量 向量 图引擎一个实例支持三种检索PolarDB PostgreSQL 版在同一数据库实例中提供多种数据管理与检索能力。其中优化版 PGVector 负责语义检索一条 SQL 即可完成相似度计算与属性过滤PolarAGE图引擎负责图查询采用了原生图数据库的遍历算法在百亿级节点规模下可实现万级 QPS、百毫秒内响应支撑多跳遍历与因果链推理PostgreSQL 原生的关系型能力——全文索引、事务一致性、备份恢复——开箱即用。三类能力由同一数据库体系统一承载可以减少关系数据、向量数据与图数据在多套系统之间的同步与维护。配合存算分离、只读节点扩展和弹性伸缩能力PolarDB-PG 可以根据记忆数据规模和访问负载进行扩展。双方分别承担记忆管理层与数据库底座的职责MemOS作为面向 LLM 与 Agent 的记忆管理层负责记忆的写入、提取、组织、检索、更新与生命周期管理并通过统一 Memory API 和 MemCube 记忆容器向应用提供能力PolarDB-PG负责记忆数据的持久化以及关系查询、向量检索、图关系处理并提供事务、权限、备份恢复和弹性扩展等数据库能力。两者共同形成从记忆写入、持久化存储、组合检索到持续更新的完整链路。MemOS Cloud 已使用 PolarDB 支撑记忆数据的存储与查询。双方在同等机器配置、同等数据集和同等负载条件下使用 MemOS Cloud 对 PolarDB-PG 与某主流图数据库进行了 Search P99 延迟对比测试。同等机器配置、同等数据集下 Search P99延迟对比单位ms越小越好在 10—40 QPS 的全部负载点PolarDB-PG 的 P99 延迟均低于对照数据库P99 性能提升 1.79—9.27 倍中位数为 2.71 倍5 个负载点平均提升 3.96 倍在 40 QPS 下PolarDB-PG 的 P99 延迟为 1404ms对照数据库为 13020ms性能提升 9.27 倍P99 延迟降低 89.2%。2.2 PolarDB 模型算子支撑记忆抽取、向量化与召回精排仅有存储能力还不足以构建长期记忆。对话内容在写入前需要经过信息抽取和向量化检索结果还需要进一步排序。PolarDB 提供三类模型算子LLM 算子提取长期事实、用户偏好和实体三元组并辅助处理新旧记忆的融合Embedding 算子将记忆内容转化为向量表示用于语义检索Rerank 算子对召回结果进行精排序减少无关内容进入大模型上下文。方案支持数据库模型算子和百炼等模型服务。模型调用可优先使用百炼高负载时切换至数据库模型算子作为备用通道提升流量波动下的稳定性和服务连续性。2.3 图形化配置与开放接入PolarDB 控制台支持模型算法、数据库参数、记忆提取策略和记忆图谱的图形化管理。开发者则可以通过 MemOS 开源 SDK、Memory API 和示例项目将长期记忆接入现有 LLM 与 Agent 应用。平台管理员负责配置和治理底层能力应用开发者负责将 MemOS 接入具体业务。三、MemOS × PolarDB 记忆全链路从提取、存储到召回与治理3.1 提取与写入将对话转化为记忆节点假设用户在聊天中提到“平时穿 M 码”、“喜欢莫兰迪色系”、“上个月买过一条阔腿裤”。MemOS 会将其中具有长期价值的信息组织为尺码偏好、颜色偏好和购买历史等独立记忆节点。每个节点可以包含创建时间、更新时间、归属用户、标签、来源和向量表示等元数据节点之间还可以通过关系边建立关联形成可追踪、可查询和可推理的记忆网络。在 MemOS 组织的记忆写入流程中PolarDB 的 LLM 算子负责事实与实体关系抽取Embedding 算子负责生成向量表示处理后的结构化信息、向量数据和图关系统一写入 PolarDB-PG。3.2 召回向量、图关系与模型精排协同处理一个月后用户再次咨询“帮我搭一套参加婚礼的衣服。”记忆召回分为三个环节L1 向量初筛通过向量相似度计算、属性过滤和标签匹配召回与“婚礼穿搭”相关的候选记忆典型延迟小于 50msL2 图谱扩展利用 PolarDB-PG 图引擎进行多跳查询从候选节点扩展至尺码、色系偏好和购买历史等关联记忆。配合并行执行与 LRU 多图队列优化核心路径 P95 响应稳定在 10ms 级L3 精排与推理精炼Rerank 对候选记忆进行相关性排序LLM 判断记忆之间的因果、冲突和条件关系过滤重复或无关内容。最终传递给大模型的记忆可以被整理为该用户平时穿 M 码偏好莫兰迪色系上个月购买过一条阔腿裤。大模型据此生成更符合用户偏好和历史行为的穿搭建议。3.3 治理记忆的动态演化记忆写入后并不是不可变化的静态数据。MemOS 的 Memory Scheduling 机制用于组织记忆的生成、调用、更新和生命周期管理。当新的信息与已有记忆存在差异时可以根据应用配置和业务策略进行融合或更新当用户主动纠正信息时可以通过反馈机制修改相关记忆对于不再适用的内容也可以进行删除或归档。因此记忆系统管理的不是一个不断累积的静态片段集合而是一组可以持续更新和治理的长期信息。3.4 MemCube多租户隔离支撑千万用户在多业务、多 Agent 和多用户场景中不同主体的记忆需要明确归属并控制相应的访问范围。MemOS 使用 MemCube 管理不同记忆空间PolarDB-PG 则通过集群、Database、Schema、表、图和用户标识落实数据隔离在单个 MemCube 内部PolarDB 按 UserID 自动划分子图。同等记忆规模下召回效率提升 50% 以上支持千万级用户规模的独立记忆空间。对于产品规格、合规条款和行业知识等公共记忆MemOS 可以组织跨项目、跨 Agent 的共享范围PolarDB-PG 则通过 Schema、表、视图和权限体系控制读写边界在实现记忆复用的同时保证数据可控。四、企业落地记忆系统的四重价值采用 PolarDB-PG 与 MemOS 协同的架构企业可以在同一套数据底座上完成关系、向量与图检索减少多套数据库之间的数据同步、系统联调与运维成本。接入效率高。开发者仅需对接单一系统即可同时获得图、向量、关系三种检索能力集成周期从“周级”缩短至“天级”。成本可控。存储的是提炼后的记忆节点而非原始对话全文传递给大模型的 Token 量显著减少配合存算分离与弹性扩缩容底层资源费用随实际用量变化无需提前预留冗余。可靠性强。MemCube 级别的空间隔离配合数据库层面的多租户管控、备份审计与资源管理使记忆可追溯、可修正、可删除——SLA 具备写入合同的保障力。人力投入降低。传统方案中向量库、图库与记忆抽取逻辑各需专人维护在新架构下MemOS 负责记忆策略与调度PolarDB-PG 负责数据库运维与弹性扩缩——技术团队可将精力集中于业务本身。当系统逐步进入多 Agent 协作、用户记忆持续更新、技能经验沉淀和团队知识共享阶段企业需要管理的便不再只是记忆的写入与召回而是记忆在不同用户、任务和 Agent 之间的完整生命周期。通过 MemOS 与 PolarDB-PG 的分层协同企业可以在保持底层数据稳定可靠的同时让记忆持续更新、按需调用并随着业务规模扩展。五、快速体验目前PolarDB × MemOS 基于阿里云的一站式记忆管理系统已正式上线MemOS 已开源。PolarDB 控制台全面图形化配置记忆引擎、模型服务、提取策略均支持白屏化管理极简 API提供 REST API 与客户端 SDK自动完成记忆提取、融合与搜索生态兼容阿里云 PolarDB Agent Express/AgentRun/AgentScope 一体化整合。一套 PolarDB一个 MemOS为 AI 应用提供持续可用的记忆能力。