OpenJiuwen Agent-Memory 推出 OmniMem-Lens，让智能体按事件记忆长视频

封面为AI生成的主题示意图，非新闻现场照片。

OpenJiuwen AgentMemory 0.2.0 版本正式上线了名为 OmniMem-Lens 的多模态记忆能力。这一技术旨在解决人工智能智能体（Agent）在处理超长视频时面临的上下文限制与精度下降难题，通过全新的记忆方式让智能体能够像人类一样按事件理解长内容。

现有的主流做法是将长视频按固定时间窗口（如一分钟）进行机械切割，这种方式导致记忆碎片化和信息噪音化。OmniMem-Lens 则采用视觉和听觉双轨联动技术，在画面切换或语音话题转变时自动识别事件边界，实现了从“按秒记录”到“按事件记录”的范式转变。

该技术构建了三层记忆结构：L1 层提供大纲目录，L2 层定位具体语句，L0 层保留原始视频帧供细节核对。这种架构将繁重的记忆整理工作提前在离线阶段完成，在线检索时只需进行语义匹配和按需调取，大幅提升了响应速度。

实测数据表明，OmniMem-Lens 配合 Qwen3-VL-8B 模型在视频问答任务中表现优异。在通用长视频基准 Video-MME-L 上召回精度提升 8%，在 LVbench 上提升 6.4%，特别是在事件密集复杂的 EgoLife-QA 评测集上，召回精度最高提升了 45.7%。

在线问答时延方面，该技术将处理效率提升至全新高度。以 LVbench 长视频基准为例，传统 VLM 直接处理需要约 34.5 秒，而采用 OmniMem-Lens 后仅需 1.72 秒，速度提升了整整 20 倍。

在应对复杂因果关系场景时，OmniMem-Lens 的优势尤为明显。当用户查询“女生离开后男生在想象什么”这类跨越事件边界的问题时，传统方法因切割碎片化而可能产生幻觉，而 OmniMem-Lens 能完整保留从动作到幻想的全过程证据。