AI 智能體（Agent）要處理長影片，一直係個硬骨頭。3 小時嘅發布會、一日嘅監視畫面，逐幀逐句塞落去，即刻超出上下文限度，能力同準確度一落千丈。而市面上嘅通行做法，好簡單粗暴：按固定時間窗，例如每一分鐘，將長影片切成一小段一小段，俾智能體分開去「記」。
openJiuwen AgentMemory 今個版本（0.2.0）就正式上線咗佢哋叫 OmniMem-Lens（多模態記憶透鏡）嘅功能，話呢樣嘢係俾 Agent 第一次擁有「視聽雙流記憶」。佢哋嘅判斷係：按秒盲切，就係記憶碎片化嘅元兇。
舊做法點解唔得：人係按事件記，Agent 係按秒記
按分鐘硬切，會出兩條人命：
- 記憶被切碎：一段連貫嘅講解被中間一刀劈斷，前半後分開存。用户一問，Agent 只攞到半個「斷章取義」嘅證據，於是胡編亂造、幻覺頻出。
- 記憶被稀釋：幾秒鐘嘅關鍵動作，同前後幾分鐘無關嘅背景畫面強行打包埋一齊，關鍵資訊被大量噪音淹沒，召回精度斷崖式下跌。
佢哋嘅比喻係：人回憶昨天睇過嘅戲，係按「主角相遇→誤會→和解」呢樣情節去記，唔係拿秒錶每 60 秒存一段。而而家嘅 Agent，恰恰就係拿秒錶喺度記戲。
OmniMem-Lens 做咗三樣嘢
資料圖片：Pixabay
視覺與聽覺聯動：同時裝「眼」同「耳」。畫面切換時視覺流判斷並標記；畫面冇動但講者換咗話題，就用 ASR 語音轉錄（自動將語音變文字）分辨出嚟。雙重證據交叉對焦，長影片就喺真實事件邊界上切。
三層記憶結構：L0 原文（隨時可翻返去核對）、L1 目錄級、L2 索引級。L1 同 L2 完全文本化、向量化，聲稱可以無縫接入主流向量數據庫，對已有 RAG（檢索增強生成）／Agent 技術棧嘅開發者，話幾乎零改造就可用。
離線建記憶、線上查：繁雜嘅記憶整理提前喺離線做完，用户提問時 Agent 直接查記憶，聲稱做到秒級回應。
官方數字：精度全面提升，時延最高降 97%
團隊喺三個長影片問答評測集上，用 OmniMem-Lens 配 Qwen3-VL-8B，同直接用 Qwen3-VL-8B 處理影片做對比。官方聲稱：Video-MME-L 提升 8%，LVbench 提升 6.4%，EgoLife-QA 提升 45.7%。時延方面，LVbench 上直接問要等 34.5 秒，用 OmniMem-Lens 只係 1.72 秒，快咗約 20 倍。
阿調搞兩下
數字好靚，但嘅确係廠商自己跑出來，第三方未獨立驗證。仲有「WorkSwarm 即將支持對接 openJiuwen AgentMemory」，呢個「即將」仲未上車，唔好當已經可用。長影片記憶係真需求，但由「按秒」轉「按事件」呢套邏輯有冇泛化問題、小樣本有冇過度擬合，仲要再睇。你哋如果真係要上生產環境，記得先攞自己嘅真實影片跑一輪，唔好睇官方圖表就信。
阿調｜深度調教
