面对长达一周的视频数据，传统AI模型常因记忆限制而“失忆”。一项名为EGAgent的新技术通过构建时间感知的实体场景图，结合智能体工具调用，有效解决了长视频中的跨天推理难题，让AI真正“记住”并理解生活中的连续事件，为全天候个人助理的实现铺平了道路。
智能速览
EGAgent面向长达约50小时（一周）的第一人称视频理解任务。
它通过构建时间感知的实体场景图来建模人、物、地点及其跨天关系。
智能体框架将复杂问题拆解，并调用视觉、音频和图检索工具进行推理。
在多跳关系推理任务上，其性能相较此前的顶尖技术提升了30%至40%。
该技术有望应用于全天候个人AI助理，处理真实世界的长时序数据。
精华内容
EGAgent的核心创新在于，它不再将视频视为孤立的帧，而是通过构建一个动态的、带时间戳的关系图谱来把握事件脉络。
长视频理解瓶颈
传统的多模态大模型与RAG方法在处理超长视频时，受限于有限的上下文窗口。对于连续数天甚至一周的视频数据，它们无法有效“记住”早期信息，更难以进行跨天、跨事件的复杂推理。这种“记不住、串不起来”的问题，是发展全天候个人AI助理的关键障碍。
时间实体图谱
EGAgent构建了一个时间感知的实体场景图。该图谱以人、物、地点为节点，以“交谈”、“使用”、“交互”等关系为边，并为每条关系标注了精确的起止时间。这种结构让AI能够像人一样，追踪实体在长时间跨度下的互动与变化，支持跨天查询和组合推理，解决了信息串联的难题。
智能体式推理
该系统采用智能体框架进行工作。一个规划代理负责将用户的复杂问题拆解成多个子任务，然后根据需要调用视觉检索、音频检索和实体图SQL检索等工具。分析器则会逐步整合这些工具返回的证据，形成一个完整、严谨的推理链条，确保答案的准确性。
性能跃升与应用
在需要多跳关系推理的评测任务（如RelationMap、TaskMaster）中，EGAgent相对此前SOTA技术取得了30%至40%的显著性能提升。这一突破性进展，直接服务于构建“全天候个人AI助理”等真实应用场景，让AI有能力理解和辅助用户的长期生活与工作。
EGAgent通过将图数据库与智能体框架创新结合，为超长视频理解提供了新的解决范式。它不仅是一项学术上的进步，更让能够记忆一周生活点滴的个人AI助理离现实更近了一步。未来，这种技术将如何重塑人机交互体验？
