Agent记忆突破：看懂3小时长视频，关键事件一个不落

openJiuwen AgentMemory正式上线多模态记忆能力OmniMem-Lens。现有Agent处理超长视频时，通行做法是按固定时间窗口切分记忆，导致证据碎片化和证据被稀释，召回精度下降、幻觉频出。问题根源在于Agent“按秒”记视频，而人“按事件”理解视频；且多数视频事件分割方案只依赖单一模态，画面静止或无台词时容易失灵。

OmniMem-Lens通过视觉和听觉两条轨迹理解视频事件，实现“按事件存、按事件取”。视觉流在画面切换时标记变化，听觉流通过ASR转录分辨话题转换，双证据交叉对焦，在真实事件边界切分。系统建立三层记忆结构：L1大纲、L2索引、L0原始视频帧，检索时按需取用；L1与L2完全文本化与向量化，可无缝接入主流向量数据库，已有RAG/Agent技术栈几乎零改造即可使用。记忆整理在离线完成，在线问答直接查记忆，仅在需要视觉细节验证时调取L0层视频帧，实现秒级响应。

实测选取三个主流长视频问答评测集，将OmniMem-Lens配合Qwen3-VL-8B与直接使用Qwen3-VL-8B对比：记忆召回精度在Video-MME-L上提升8%，LVbench上提升6.4%，EgoLife-QA上提升45.7%；在线问答时延在LVbench上由34.5秒降至1.72秒，降低约97%。案例显示，固定盲切会切断因果关系、把静止画面中的多个议题打包成一条记忆，而OmniMem-Lens通过视听双流对焦保留完整事件边界，视觉失灵时听觉顶上，听觉失灵时视觉顶上，提升回答准确率。

WorkSwarm即将支持对接openJiuwen AgentMemory。OmniMem-Lens已在openJiuwen AgentMemory 0.2.0版本正式上线。