核心用法
Persistent Agent Memory 是由 Coral Bricks 提供的云端语义记忆服务，为 AI 代理添加持久化记忆能力。其核心工作流围绕三个工具展开：
- coral_store：存储任意文本，可选附 JSON 元数据标签（如
{"topic":"fitness"}），用于后续语义检索 - coral_retrieve：通过自然语言查询（而非关键词）召回相关记忆，基于 768 维向量嵌入与余弦相似度排序
- coral_delete_matching：按语义匹配删除过时或敏感记忆
记忆数据持久存储于 Coral Bricks 云端默认集合，跨会话可用。存储后约 1 秒内可检索，支持元数据过滤与语义相似度评分（score 越高相关性越强）。
显著优点
- 零运维语义检索：无需自建向量数据库，开箱即用的嵌入 + 相似度搜索
- 元数据灵活标记：自由 JSON 格式支持多维度标签，便于后期过滤
- 跨会话连续性：解决 LLM 上下文窗口限制，支持长期工作流（如持续数周的项目跟进）
- 自然语言接口：用描述性语句存取，降低代理开发复杂度
潜在缺点与局限性
- 云端依赖：必须联网，且受 Coral Bricks 服务可用性约束；无法离线或本地部署
- 单一默认集合：不支持多用户/多项目隔离（collections 未向代理暴露），存在数据混淆风险
- 检索延迟：极端情况下存储后需等待 1 秒索引，高并发场景可能抖动
- 隐私合规边界：数据出境至 Coral Bricks 云端，需自行评估 GDPR/数据驻留合规性
- 供应商锁定：向量格式与 API 为 Coral 私有协议，迁移成本较高
适合人群
- 构建需长期记忆的个人 AI 助理或研究助手的开发者
- 需要跨会话维护用户偏好、项目上下文的客服/销售代理
- 愿意以 SaaS 模式换取快速落地的中小团队（避免 Pinecone/Milvus 基建成本）
常规风险
| 风险类别 | 具体说明 |
|---------|---------|
| 数据泄露 | 记忆内容上传至第三方云端，敏感信息（PII、商业机密）需加密或脱敏后存储 |
| 检索污染 | 相似度匹配可能返回语义相关但事实错误的记忆，需业务层二次校验 |
| 删除粒度粗 | `coral_delete_matching` 按语义批量删除，可能误删边缘相关记忆，缺乏精确 ID 级操作 |
| 密钥管理 | `CORAL_API_KEY` 需安全分发，泄露将导致记忆数据被非法访问或篡改 |