Weaviate 近期围绕 AI 智能体记忆系统推出了一系列重要更新，同时在企业级向量搜索性能和生态集成上也有显著进展。其新推出的 Engram 托管记忆服务解决了传统 AI 记忆混乱的问题，通过分组、主题和作用域结构化记忆，而非简单依赖聊天历史，从而提升智能体的长期记忆能力。此外，Weaviate v1.37.1 版本内置了 MCP 服务器，支持与 Claude Code 等工具集成，并引入 MMR 算法以消除向量搜索中的重复结果。在企业案例方面，Booking.com 分享了从 OpenSearch 迁移到 Weaviate 的经验，处理超过 1 亿个向量，验证了其在大规模生产环境中的稳定性。整体来看，Weaviate 正从纯向量数据库向 AI 智能体基础设施演进，重点聚焦记忆管理和系统设计，而非底层模型本身。
当前 Weaviate 的核心焦点在于推广 Engram 作为智能体记忆的标准方案，同时持续优化搜索质量（如 MMR 算法）和工具集成（如 MCP 服务器）。未来值得观察的是 Engram 是否能被主流 AI 框架采用，以及 Weaviate 在多模态和实时性方面的能力扩展。