面向 Personal Agent 增强长期记忆与个性化能力，阿里云升级Memory 服务

11月2日，阿里云宣布对其Memory服务进行全面升级，重点面向Personal Agent场景增强用户偏好、计划及历史约定的长期记忆与个性化处理能力，并全面提供 $MCP$ 与 $CLI$ 等主流接入方式。

11月3日消息，阿里云昨日宣布，最近，阿里云对其 Memory 服务升级：面向 Personal Agent 场景，增强对用户偏好、计划和历史约定的记忆能力，并提供 MCP、CLI 等接入方式。

Memory 从对话中提取关键信息，按规则保存为记忆与用户画像。在后续会话中，Agent 根据用户身份和当前问题检索相关记忆，将其加入任务上下文，用于生成回应。新的有效信息可继续写入记忆，帮助 Agent 持续跟进用户需求，减少重复询问。

在近期 HaluMem-medium 对比结果中，Memory 在记忆提取的召回率、准确率、F1，以及记忆问答 C 指标四项上均取得最高分；在 PersonaMem-v2 评测中，Memory 以 56.82 的总体得分位列所列 8 个系统第一，并在 9 个任务维度中的 7 项取得最高分。

以理财咨询场景为例，当用户表示"偏稳健、半年内可能用钱、不希望有太大波动"时，Memory 可将风险偏好、资金使用期限和流动性需求保存为用户画像。在之后的新会话中，Agent 可调用相关画像，结合产品资料与业务规则开展比较和风险提醒。当用户的目标或偏好发生变化时，Agent 可先确认，再更新记忆。其中，Memory 负责信息保存与召回，产品比较和风险提醒由 Agent 完成。

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。

开发者可以自定义记忆规则与画像字段，明确需要保存的信息，并在控制台查看记忆内容、调试检索效果、追踪变更，让长期记忆可管理、可追踪。

在接入方面，开发者可通过 API 完成记忆写入、查看和语义检索，也可通过 MCP、CLI，将记忆能力接入 Codex、DeepSeek Harness、Claude Code、OpenClaw 等 Agent 工具与框架，融入已有工作流。

Memory 还可与 Skill 配合使用：Memory 保存用户的个体偏好，Skill 封装可复用的任务流程。例如，开发者可将读取用户画像、分析产品风险、检查需求匹配等步骤封装为理财咨询 Skill，每次执行时调用用户最新画像，让服务方法随任务复用、服务内容随用户调整。

最后小结

阿里云 Memory 服务升级核心在于为 Personal Agent 提供结构化长期记忆能力，支持通过 API、MCP 或 CLI 接入。其工作流包含从对话提取关键信息（偏好、计划、历史约定）、持久化存储为用户画像，以及在后续会话中根据上下文语义检索并注入记忆。

‌**主要特性：**‌

‌记忆提取与存储‌：自动从对话中提取用户偏好（如风险偏好）、计划和历史约定，按规则保存。
‌语义检索与注入‌：Agent 根据当前问题和用户身份检索相关记忆，加入上下文生成回应，减少重复询问。
‌动态更新‌：支持新有效信息写入，当用户偏好变化时，Agent 可确认后更新记忆。
‌评测表现‌：在 HaluMem-medium 和 PersonaMem-v2 评测中多项指标领先。
‌集成方式‌：支持 API 直接调用，或通过 MCP/CLI 接入 Codex、DeepSeek Harness、Claude Code、OpenClaw 等框架；可与 Skill 配合，实现"Memory 存偏好 + Skill 执行流程"的解耦。

‌**Python SDK 接入示例（基于通用 API 逻辑）：**‌

python 复制代码

import os
from aliyun_sdk_memory import MemoryClient # 假设的SDK包名，实际需参考阿里云官方文档

# 初始化客户端
client = MemoryClient(
    api_key=os.getenv("ALIYUN_API_KEY"),
    region="cn-hangzhou"
)

# 1. 写入记忆 (例如从对话中提取)
user_id = "user_123"
memory_data = {
    "type": "preference",
    "content": "偏稳健理财，半年内可能用钱，不希望有太大波动",
    "tags": ["finance", "risk_aversion"]
}

response = client.add_memory(
    user_id=user_id,
    data=memory_data
)
print(f"Memory ID: {response.memory_id}")

# 2. 检索记忆 (在Agent处理新请求前调用)
query = "推荐一款理财产品"
retrieved_memories = client.search_memories(
    user_id=user_id,
    query=query,
    top_k=3
)

# 3. 将记忆注入 Agent 上下文
context_prompt = f"用户偏好: {retrieved_memories}\n当前问题: {query}"
# agent.generate(context_prompt) ```

&zwnj;**CLI 接入示例（通过 MCP 或官方 CLI 工具）：**&zwnj;

```bash
# 假设使用阿里云提供的 cli 工具进行记忆管理
# 写入记忆
aliyun memory add \
  --user-id user_123 \
  --content "偏稳健理财，半年内可能用钱" \
  --type preference

# 检索记忆
aliyun memory search \
  --user-id user_123 \
  --query "理财建议" \
  --top-k 5

‌**注意事项：**‌

‌记忆规则自定义‌：开发者需在控制台定义哪些字段需要保存为画像，避免无关信息污染记忆。
‌冲突处理‌：当新信息与旧记忆冲突时，建议 Agent 先向用户确认再更新，或通过 API 设置更新策略。
‌隐私合规‌：确保用户数据加密存储，符合隐私保护要求，特别是在处理个人偏好和历史约定时。‌‌

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。