让 Agent 拥有长期记忆：基于 Tablestore 的轻量级 Memory 框架实践
本文介绍了AI Agent对存储能力的挑战，尤其是Memory和Knowledge两类核心需求。为应对这些挑战，基于阿里云Tablestore提出了一种轻量化的Agent Memory框架设计，支持实时记忆存储与语义检索等场景。该框架已在多个实际业务中落地，如通义App、某头部浏览器的AI搜索及1688商品AI搜索等，验证了其高性能、高扩展性和低成本优势。未来将继续增强多模态与用户行为分析能力，并与主流AI框架共建生态。
Tablestore OpenMemory MCP : 跨会话、跨模型的智能记忆解决方案
本文介绍了Mem0的原理与应用场景，并基于Mem0构建了Tablestore OpenMemory MCP服务，实现个性化旅行规划助理。Mem0是一种为大型语言模型设计的智能记忆层，通过向量数据库持续学习用户交互信息，实现跨会话的个性化记忆管理。该服务提供多种MCP工具，便于集成到各类AI应用中。最后演示了个性化旅行规划应用，并介绍了服务的运行与配置方式。
基于 Tablestore 的 Agent Memory 框架
本文介绍了AI Agent对存储能力的挑战，尤其是Memory和Knowledge两类核心需求。为应对这些挑战，基于阿里云Tablestore提出了一种轻量化的Agent Memory框架设计，支持实时记忆存储与语义检索等场景。该框架已在多个实际业务中落地，如通义App、某头部浏览器的AI搜索及1688商品AI搜索等，验证了其高性能、高扩展性和低成本优势。未来将继续增强多模态与用户行为分析能力，并与主流AI框架共建生态。
Dify x Tablestore 构建低成本、Serverless 知识库
本文介绍如何基于Dify与阿里云Tablestore构建检索增强生成（RAG）系统，解决大模型知识时效性和领域适配性问题，该方案具备低代码、Serverless免运维、高可靠、弹性扩展及低成本等优势。文章通过答疑助手的案例，详细说明了创建Tablestore实例、配置Dify、构建与验证知识库的步骤。
Tablestore集成MCP协议: 标量与向量混合检索的新范式
基于表格存储（Tablestore）实现的MCP（Model Context Protocol）服务，支持文档存储与混合检索工具两大功能。通过Cherry-Studio界面和通义千问qwen-max模型进行演示，展示了文本数据上传、向量嵌入及查询过程。此外，详细说明了Python和Java版本的本地运行步骤、环境配置及二次开发方法，并提供了集成三方工具如Cherry Studio的应用示例。Tablestore凭借混合查询、Serverless低成本、弹性扩展等优势，为MCP场景提供高效解决方案。
低成本 Serverless AI 检索介绍和实验
本文介绍了低成本Serverless AI检索技术，分为四部分：1) AI检索介绍，通过电商客服案例展示AI检索的应用和优势；2) 表格存储介绍，详细解释了表格存储的结构化数据处理能力及其在AI检索中的作用；3) 实验：RAG，通过具体实验演示基于表格存储的RAG流程及效果；4) 总结，强调向量检索、易用性和丰富的接口特性。整体内容展示了如何利用Serverless架构实现高效、低成本的AI检索解决方案。