破解AI长期记忆瓶颈，阿里云赋能Personal Agent迈向深度个性化

11月2日，

该服务通过从对话中实时提取关键信息，并按规则自动将其保存为用户画像与结构化记忆。在后续交互中，系统可根据用户身份与当前问题精准检索并调用相关上下文，实现持续跟进用户需求并有效减少重复询问。

评测数据显示，在近期公布的 [HaluMem-medium] 对比中，Memory 在记忆提取的召回率、准确率[F1]指标及记忆问答 C指标上均斩获最高分;在 PersonaMem-v2]评测中，其以 56.82]的总体得分位列参评的 [8] 个系统之首，并在9个任务维度中的 [7] 项取得第一。

在实际应用场景中，以理财咨询为例，系统能够自动归纳用户的风险偏好与资金流动性需求并生成画像，在后续对话中协同 [Agent] 完成产品比对与风险提醒，并在用户偏好发生变化时动态更新记忆。目前，开发者不仅可在控制台自定义记忆规则、画像字段及追踪检索效果，还能通过 API、MCP或 CLI将该能力无缝接入 Codex、DeepSeek Harness、Claude Code]以及 OpenClaw]等主流 [Agent] 工具与框架。此外，Memory]可与 Skill]模块深度配合，实现个体偏好与可复用任务流程的解耦与高效协同。

此次升级标志着个人助理正加速突破传统单轮对话的上下文瓶颈，向兼具深度个性化与长期伴随能力演进，为 [Agent] 深入复杂垂直场景提供了坚实的基础设施支撑。