生产环境中的AI Agent长期面临一个共性难题：如何在多轮交互与跨任务场景中稳定保留并调用历史信息。Databricks近日给出的答案是MemCurrent——一套专为生产级Agent设计的持久记忆架构。

该架构在记忆类型上采取双轨设计，将情景记忆与派生记忆结合使用，以兼顾原始交互记录的留存与高层信息的提炼。在访问层面，MemCurrent提供三种模式：插件方式、工具调用方式，以及离线dreaming管线，分别对应不同场景下对记忆的读取、写入与整合需求。

从落地情况看，MemCurrent并非停留在方案阶段。Databricks透露，该架构已被用于Agent Bricks Memory和Genie两款产品，意味着其记忆能力已在真实业务链路中承担角色。

对Agent开发者而言，这一架构的价值在于把记忆管理从零散实现中抽离出来，形成可复用的生产级组件。三种访问模式的划分，也为记忆的实时读写与离线整合提供了明确的工程边界。