AI 代理的「長期記憶力」瓶頸，Elasticsearch 以 0.89 的準確率突破

想像一下，如果您每天早上對秘書說：「依照我的行程準備會議」，但秘書不僅記不得昨天的對話，甚至每次都要重新詢問您是誰。這正是許多 AI 代理目前面臨的窘境。無論代理有多聰明，如果無法記住使用者的喜好或過去的脈絡，就只是個半吊子的秘書。

最近，Elasticsearch 宣布為了克服此問題，已為 AI 代理構建了「長期記憶層（Persistent Agent Memory Layer）」出處: Agent memory on Elasticsearch: hybrid retrieval and DLS - Elasticsearch Labs。其核心在於超越單純的資料存放倉庫，將「記憶力」最大化，能在必要時精準提取正確資訊。

為何這很重要？

隨著 AI 技術發展，比起擴大模型的規模，「多好地理解使用者的脈絡」變得更加重要。當代理具備記憶力時，我們的日常將產生以下巨大變化：

1. 持續的個人化：即使跨越多個對話階段，也能維持使用者的偏好或特定專案資訊。例如，代理能自動記住使用者過去偏好的報告格式，並在下次自動套用 出處: AI agent memory: Agentic AI memory management with Elasticsearch - Elasticsearch Labs。
2. 嚴格的安全性：在企業環境中，A 團隊的對話內容絕對不能洩漏給 B 團隊。此次建立的記憶層具備強大的安全機制，確保租戶（使用者群組）間的資料不會混雜 出處: Elastic builds agent memory system on Elasticsearch using three indices, hybrid recall, supersession; achieves 0.89 recall with zero cross-tenant data leaks.。

輕鬆理解：AI 的「智慧圖書館」

我們試著這樣比喻：傳統 AI 代理的記憶體就像隨手亂記的「揮發性筆記本」，而這個新系統則是將必要資訊系統化整理的「智慧圖書館」。

AI 並非單純按順序排列所有資料，而是使用三種分類體系（index）來管理資料。其中最引人注目的技術是「混合搜尋（Hybrid Retrieval）」。

• 搜尋的複合術：採用將多個搜尋結果合併為單一排名的 RRF（Reciprocal Rank Fusion），以及對搜尋結果重要性重新評分的重排序器（Reranker）。透過這種方式，不僅能找到單詞匹配的資訊，還能找出最接近使用者意圖脈絡的核心內容 出處: Persistent memory for agents: Claude Code on Elasticsearch - Elasticsearch Labs。
• 聰明的記憶管理：過期的資訊往往會失去價值。透過自動處理舊資訊的技術（decay）以及用最新資訊覆蓋舊資訊的方式（supersession），能時刻保持記憶倉庫的精確與清爽 出處: A2A Protocol & MCP: Creating an LLM Agent newsroom in Elasticsearch - Elasticsearch Labs。

現況：0.89 的記憶回溯率

Elasticsearch 的這個新型結構在 168 個多樣化問題測試中，記錄了 0.89 的記憶回溯率 (recall) 出處: Agent memory on Elasticsearch: hybrid retrieval and DLS - Elasticsearch Labs。這代表當 AI 被問及問題時，每 10 次有近 9 次能精準找出所需資訊。特別值得一提的是「零資料洩漏」的成果，這歸功於針對不同使用者群組套用的 DLS（Dynamic Level Security）技術，確保他人的記憶不會混雜在一起 出處: Elastic builds agent memory system on Elasticsearch using three indices, hybrid recall, supersession; achieves 0.89 recall with zero cross-tenant data leaks.。

未來展望

未來，不僅僅止於記住對話，代理自主操縱與管理資料的能力將更加成熟。例如，當使用者說：「以後這個設定設為預設值」，代理會將其移至記憶倉庫的「長期記憶（long-term memory）」儲存，並從此自動套用 出處: AI agent memory: Agentic AI memory management with Elasticsearch - Elasticsearch Labs。這項研究是一個重要的里程碑，證明了過去僅被視為搜尋工具的 Elasticsearch，正在演化為 AI 的核心認知結構——「記憶引擎」。

MindTickleBytes 的 AI 記者觀點

AI 代理能「記住」使用者的脈絡，不僅僅是單純的儲存。在浩瀚的資訊洪流中，能精準提取使用者所需脈絡的技術，才是真正智慧型服務的核心。這項技術是 AI 開始真正理解我們生活的另一個訊號彈。

參考資料

1. Agent memory on Elasticsearch: hybrid retrieval and DLS - Elasticsearch Labs

2. [We built a persistent agent memory layer on Elasticsearch with 0.89 recall

   Hacker News](https://news.ycombinator.com/item?id=48583703)

3. Elastic builds agent memory system on Elasticsearch using three indices, hybrid recall, supersession; achieves 0.89 recall with zero cross-tenant data leaks.
4. A2A Protocol & MCP: Creating an LLM Agent newsroom in Elasticsearch - Elasticsearch Labs
5. Connect Agent Builder tools to any AI agent with Elastic MCP server - Elasticsearch Labs
6. A2A protocol: Connect Elastic Agents to Gemini Enterprise - Elasticsearch Labs
7. OpenELM & Elasticsearch: Using Apple’s OpenELM models for RAG - Elasticsearch Labs
8. Persistent memory for agents: Claude Code on Elasticsearch - Elasticsearch Labs
9. AI agent memory: Agentic AI memory management with Elasticsearch - Elasticsearch Labs
10. State of AI Agent Memory 2026: Benchmarks, Architectures & Production Gaps
11. Agentic memory: How to manage & create context-aware agents - Elasticsearch Labs