仅靠语义相似度来搜索数据是有缺陷的。图感知检索才是正确的方向。

基础实现采用扁平检索来选择与查询匹配的记录，按照语义相似度对记录进行排名，并从存储中返回最接近的匹配结果。

当你的信息以独立记录的形式存储时，这种方式运作良好。但当你需要理解事实之间的关系时，它就力不从心了。

图感知检索是一次巨大的升级。

它包含三个组成部分：

1. 将事实存储为持久化记忆记录

2. 用带有关系标签的有向链接将记录连接起来，例如“取代（supersedes）“、“支持（supports）“或“矛盾（contradicts）”

3. 沿着链接扩展搜索结果，返回所有相连的记录

因此，你的查询结果将同时包含匹配的事实及其关系信息。

假设你存储了两段对话：

• “会议在周一。” • “会议改到了周二。”

如果你用简单的扁平搜索来回答“会议是什么时候？“，你会同时得到这两条记录，因为它们都与问题匹配。

如果你使用图感知检索，你会得到一个“取代“关系，表明周二替换了周一。

Oracle AI Agent Memory 26.8 实现了图感知搜索。你可以在以下链接阅读他们的技术详解并查看代码：

https://fandf.co/3VBDYt6

感谢 @OracleDevs 团队与我合作发布这篇文章。

Oracle AI Agent Memory 新功能：图感知检索、图像记忆与企业级管控

来源：https://blogs.oracle.com/developers/whats-new-in-oracle-ai-agent-memory-graph-aware-retrieval-image-memory-and-enterprise-controls?source=:ad:so:tw:awr:a_nas::RC_DEVT260603P00041:Santiago&SC=:ad:so:tw:awr:a_nas::RC_DEVT260603P00041:Santiago

在这个版本中，记忆的生命周期变得更加明确：记忆可以被创建、连接、更新、取代、检索，并随时间进行管控。

Oracle AI Agent Memory（https://pypi.org/project/oracleagentmemory/）正在从持久化回忆走向可以不断演化的记忆。本次发布包含图感知检索、图像感知记忆、Schema 升级支持和企业级管控功能。本文的核心主题是图记忆（Graph Memory）支持：记忆可以通过类型化关系进行连接，检索时不仅可以返回直接匹配的记忆，还能带出解释这些记忆随时间如何关联的上下文。

本文基于公开的 Oracle AI Agent Memory 文档（https://docs.oracle.com/en/database/oracle/agent-memory/），并通过配套笔记本《Graph-Aware Retrieval with Oracle AI Agent Memory》进行讲解。

配套笔记本：oracle_agent_memory_evolution.ipynb（https://github.com/oracle-devrel/oracle-ai-developer-hub/blob/main/notebooks/oracle_agent_memory_evolution.ipynb）

双列对比图：左侧为扁平记忆检索，返回孤立记录；右侧为图感知检索，执行一跳图扩展并展示直接结果和关联结果。扁平检索 vs 图感知检索

关键要点

• 26.8 版本在上一版本的基础上扩展了 Oracle AI Agent Memory，新增了图感知检索、图像记忆、Schema 升级逻辑和企业级管控改进。

• 图记忆帮助代理理解事实之间的关联，而不是将记忆视为一列扁平的孤立记录。

• 记忆链接可以表示多种关系，如取代（supersedes）、细化（refines）、支持（supports）、矛盾（contradicts）和重复（duplicates）。

• 图感知检索可以通过 num_hops 和 linked_results 等设置，将直接搜索结果扩展到关联上下文。

• 提取过程中的自动链接应作为主要的开发者体验：应用定义记忆行为，相关记忆在正常提取过程中自动建立链接。

• 显式链接在应用有已确认的工作流事件时仍然有用，例如替换订单取代了旧的配送承诺。

• 配套笔记本使用 FreeSQL、Autonomous AI Database 和 Oracle AI Database 连接方式，并在创建任何数据库连接之前设置 Developer Hub 程序标识符。

为什么这个版本很重要

持久化记忆使代理更加有用，因为它们可以复用先前交互中的持久上下文。但持久化记忆也带来了更棘手的问题：事实会变化。客户可能更新配送偏好，支持案例可能被升级，或者新的替换承诺可能取代了先前的承诺。代理不应丢失历史记录，但也不应将旧事实视为与当前事实同等有效。

图记忆通过在记忆记录之间添加关系来弥补这一差距。应用不再孤立地检索单条记忆，而是可以检索一条直接匹配的记忆及其周围的关联上下文。这使得记忆演化变得可解释：代理可以看到什么发生了变化、哪条记录更新、以及为什么另一条记忆是相关的。

图记忆如何工作

一个实用的技术模型是将该功能分为三层：记忆记录存储持久化内容，记忆链接存储两个记录之间的类型化关系，检索层决定是仅返回直接匹配还是通过图链接进行扩展。

记忆记录仍然是代理后续可以复用的持久化事实，例如客户偏好、案例状态或支持承诺。记忆链接补充了缺失的关系层：它记录一条记忆取代、细化、支持、矛盾或重复另一条记忆。图感知检索随后决定有多少关系上下文应随直接搜索结果一起返回。

这种分层对读者来说很重要。图记忆不仅仅是一种不同的排名策略，它为记忆系统提供了一个关系模型，可以在保留事实演化过程的同时，让应用继续控制检索范围。

记忆链接类型

介绍图记忆最清晰的方式是通过链接类型。链接类型使关系足够明确，便于应用和未来的代理轮次对其进行推理。

例如，当一条更新的记忆应在未来使用中取代一条旧记忆时，“取代（supersedes）“是正确的关系。在笔记本的支持场景中，更新后的配送时间窗口可以取代原始偏好。当一条更新的记忆使先前的记忆更加精确时，“细化（refines）“很有用，例如将一般的上午配送偏好缩小为一个具体的时间窗口。当工具结果或另一条已确认的记录为某条记忆提供证据时，“支持（supports）“很有用。“矛盾（contradicts）“和“重复（duplicates）“则帮助建模应用可能希望检查或解决的冲突或重复事实。

该版本将链接建模为有向记录关系。诸如 new_memory –supersedes–> old_memory 这样的关系将更新的记忆作为源，旧记忆作为目标。反向遍历可以为可读性呈现相反的关系，但不会改变已存储的关系方向。

记忆演化还引入了生命周期状态。新记忆默认为有效状态，而受到取代、细化或重复链接影响的旧记录可以变为无效状态，并作为历史上下文保留可用。这是一个重要的设计要点：旧记忆不会被简单删除，它仍然可以解释当前状态是如何达到的。

笔记本演示了什么

笔记本（https://github.com/oracle-devrel/oracle-ai-developer-hub/blob/main/notebooks/oracle_agent_memory_evolution.ipynb）聚焦于图记忆这一发布的核心技术主题，因为它是记忆演化的基础。笔记本有意保持精简，但仍然展示了企业级模式：连接 Oracle AI Database，初始化或升级托管 Schema，创建持久化记忆，建立链接，比较普通搜索与图感知检索，并检查关联结果。

演示流程从安装和导入所需的包开始，然后检查已安装的包是否暴露了工作流所使用的图记忆 API。随后配置基于数据库的存储，使用与本版本相关的托管 Oracle Database 选项：FreeSQL 用于快速托管演示，Autonomous AI Database 用于 ADB 验证，或 Oracle AI Database 用于现有服务或连接描述符。之后，笔记本初始化托管 Schema，创建一组支持场景的记忆，添加显式链接，比较直接搜索与图感知搜索，最后展示提取过程中的自动链接。

这种流程使笔记本紧贴发布主题。笔记本使用图感知检索作为贯穿发布的可运行路径，因为它是展示记忆演化实际效果的最清晰方式。它并不试图同时演示所有新功能，而是使用一个精简的支持场景来展示最重要的行为：记忆可以通过链接进行演化，检索可以在代理需要时暴露这些关联上下文。

数据库设置与 ADB 指南

每一个连接到 Oracle Database 的 Developer Hub 技术资源都应通过连接程序名称进行标识。笔记本在导入之后、创建第一个连接之前设置一次该标识。

在导入 python-oracledb 之后、创建任何连接池或连接之前，立即设置程序标识符。

设置 Developer Hub 程序标识符

import oracledb

oracledb.defaults.program = "devrel-developerhub-graph-aware-retrieval-agent-memory"

笔记本随后使用标准的 python-oracledb 连接配置来连接 FreeSQL、Autonomous AI Database 或 Oracle AI Database。这使示例与 ADB 的使用方式保持一致，同时仍然为读者提供了一个轻量级的 FreeSQL 路径来试用笔记本。

关于数据库背景知识，请参阅 Oracle AI Database 26ai 文档（https://docs.oracle.com/en/database/oracle/oracle-database/26/）。

对于使用 Autonomous Database 的读者，请参阅 Oracle 关于下载钱包/客户端凭据的指南（https://docs.oracle.com/en/cloud/paas/autonomous-database/serverless/adbsb/connect-download-wallet.html）。

python-oracledb 的 ADB mTLS 连接流程也在以下文档中说明：mTLS 连接 Oracle Autonomous Database（https://python-oracledb.readthedocs.io/en/latest/user_guide/connection_handling.html#mutual-tls-mtls-connection-to-oracle-autonomous-database）。

初始化或升级托管 Schema

图记忆需要托管 Schema 对记忆链接和图感知检索的支持。在本版本中，托管 Schema 升级到了版本 13。它新增了 memory_link 表和相关索引，在记忆记录中添加了生命周期状态和状态更新时间，并在记忆及其链接之上创建了 memory_graph Oracle SQL 属性图。

笔记本展示了开发者应使用的模式：选择合适的 SchemaPolicy，使存储能够在环境允许的情况下创建或升级所需的数据库对象。对于全新的笔记本环境，CREATE_IF_NECESSARY 非常方便。对于迁移后的正常生产启动，团队应优先使用 REQUIRE_EXISTING，以确保 Schema 变更是经过刻意决策的。

存储初始化使 Schema 策略保持可见。当读者希望示例为发布功能创建或升级托管 Schema 时，应关注这一行代码。

初始化托管记忆存储

from oracleagentmemory.stores.oracledb import OracleDBMemoryStore, SchemaPolicy

store = OracleDBMemoryStore(
    **store_kwargs,
    schema_policy=SchemaPolicy.CREATE_IF_NECESSARY,
)

对外的要点很简单：面向发布的笔记本应有意识地初始化托管 Schema，生产团队应在共享环境中运行升级之前审查 Schema 变更。

显式链接：当应用知道关系时

当应用已有确认的事件时，显式链接非常有用。例如，支持工作流可能知道新的替换发货取代了旧的配送承诺，或者订单状态工具的结果支持了从对话文本中提取的记忆。

在建立任何链接之前，先创建一组小型的支持记忆。这使示例有据可依：图记忆在偏好、替换上下文和支持状态等持久化事实上进行演示。

添加持久化支持记忆

created = {}

for item in seed_memories:
    result = memory.add_memory(
        user_id=USER_ID,
        agent_id=AGENT_ID,
        text=item["text"],
        metadata=item["metadata"],
    )
    created[item["label"]] = result

使用发布的 API 来建立类型化记录关系。新记忆可以通过 supersedes 等关系链接到旧记忆，应用可以在工作流状态变化时更新或删除记录链接。

创建显式记录链接

relation_id = memory.link_records(
    source_record_id=new_memory_id,
    source_record_type="preference",
    target_record_id=previous_memory_id,
    target_record_type="preference",
    relation_type="supersedes",
    metadata={"reason": "new delivery preference"},
)

这将工作流知识转化为持久化的关系上下文。未来的代理可以检索当前事实和相关的历史事实，然后理解为什么更新的记忆应指导回复。

提取过程中的自动链接

自动链接是应向开发者重点强调的功能。大多数应用不需要手动编码每一条记忆之间的关系。相反，它们可以配置提取行为，让记忆工作流在创建新记忆时自动识别可能的关系。

这一配置支撑了本文的核心产品信息：自动链接可以使记忆演化对开发者基本透明。

启用自动链接提取

memory_extraction_config = MemoryExtractionConfig(
    memory_extraction_frequency=1,
    memory_link_extraction_mode=MemoryLinkExtractionMode.POST_EXTRACTION,
)

该版本提供了三种模式：POST_EXTRACTION、DURING_EXTRACTION 和 DISABLED。POST_EXTRACTION 是默认模式，在提取的记忆写入完成后进行链接，使用检索找到的候选记忆。DURING_EXTRACTION 在