面向反洗钱的记忆感知 Agent Harness——Oracle 的 Nacho Martinez

Oracle 的 Nacho Martinez 在 AI Engineer 演讲中拆解 Agent 技术栈（agent loop、短期与长期记忆、context engineering、toolbox/skillbox 模式、技能蒸馏与持续学习），并将其应用于中型银行全天候标记可疑交易的自主反洗钱 Agent。其核心论点是模型本身难以改动，围绕模型的 harness 才是实际收益来源。

AI推荐理由 AI Engineer 会议演讲，由 Oracle 的 Nacho Martinez 讲解面向反洗钱（AML）的自主 Agent 工程实践，具体覆盖 agent loop、短期/情景/程序/语义四类记忆、context engineering、toolbox/skillbox 模式、skill distillation 与持续学习，并给出中型银行全天候可疑交易标记的落地场景。核心观点是“模型不可改，harness 才是收益来源”，对 Agent 工程与金融风控落地有参考价值。局限：仅有演讲摘要与时间轴，缺少量化效果、误报率等可验证证据，属经验分享而非官方首发或基准结果。