Agent 如何记住你：人脑记忆史与六大开源系统代码审计

几乎每个 Agent 项目都说自己有「长期记忆」。

有的意思是把聊天记录做 embedding，有的意思是维护一份用户画像，有的意思是让模型自己修改 Markdown，还有的已经做到了双时序知识图谱。它们都叫 memory，却不是同一种东西，也不该放在一张跑分榜上直接比较。

要判断一个系统是不是真的「会记」，我更愿意问三个问题：

1. 一次经历之后，系统里的什么状态发生了变化？
2. 这个状态存在哪里，谁能修改，什么时候失效？
3. 下一次行动前，它如何被准确、合规地带回来？

这篇文章从这三个问题出发。前半段把人类记忆科学与 Agent 记忆技术放在同一条历史轴上；后半段直接读代码，对照 Mem0、Letta、Graphiti、LangMem、Cognee 与 MemoryOS 的宣传卖点、实际数据流、系统边界和对应的记忆范式。

下面这张图不是某个产品的组件架构，而是全文共用的判断坐标系。它要回答的不是「数据放在哪」，而是「一次过去的经历如何真正影响下一次行动」。阅读时先沿中间的七步主环看信息如何从经历变成行动；再看左侧三种载体，区分当前任务、跨会话记忆与真实世界状态；右侧说明每一步完成的变换，底部则展示长期运行后必须发生的巩固、修订与遗忘。这样能避免把数据库、Context、缓存和真实状态都笼统地叫作“记忆”。

一、先把最容易混淆的五种「记忆」分开

#

LLM 系统里至少有五种状态载体。它们在物理位置、写入速度、生命周期和治理方式上完全不同。

这张图专门负责术语消歧。横向比较五个载体，纵向依次看「谁写、能活多久、最擅长什么、不擅长什么」。它不是要找一个最好的 memory，而是避免把性能缓存当成长期记忆、把 Context 当成持久层，或把真实业务状态复制成可能过期的自然语言回忆。

1. 参数记忆：模型权重

#

预训练和微调把统计规律写进参数。它容量大、泛化强，但写入慢、难精确删除、很难回答「这条知识来自哪次经历」。

它适合语言能力、世界知识和稳定技能，不适合每个用户每轮对话后的实时更新。把用户偏好持续 fine-tune 进权重，不仅昂贵，还会遇到灾难性遗忘、租户隔离、删除权和审计问题。

2. 工作记忆：Context Window

#

当前 system prompt、对话、工具结果、scratchpad 和检索片段都在这里。模型能直接注意到它们，所以这是推理时最强的工作区。

但 context 不是跨调用自动持久的。窗口再长，也只是「这次桌面更大」；它没有自动决定哪些内容值得保留，更不会自动形成稳定的用户模型。

3. 计算缓存：KV Cache / Prompt Cache

#

KV Cache 保存注意力层已经算过的 K/V 张量，Prompt Cache 复用相同前缀的 prefill 结果。它们让推理少算一次，但不负责判断信息价值，也不形成可编辑、可检索的记忆条目。

所以：

• Cache 命中，可能什么都没「记住」，只是省了计算；
• Cache 失效，也不代表长期记忆丢了；
• Prompt 前缀里的记忆发生变化，反而可能让 Cache miss。

Cache 是性能机制，Memory 是状态治理机制。

4. 外部长期记忆：文件、SQL、向量库、图数据库

#

这是当前 Agent 记忆的主战场。它可以按用户隔离、保留来源、支持删除，并在下一次调用前检索回 context。

但「放进向量库」不等于「完成记忆」。向量库只解决近似相似搜索；它不天然解决事实冲突、时序真值、重要性、权限、错误写入和遗忘。

5. 环境记忆：Git、CRM、日历与真实世界状态

#

很多信息根本不该复制成一条自然语言记忆。代码是否已部署、客户是否付款、会议是否改期，这些事实应优先回源查询。

一个可靠 Agent 要区分：

• 该回忆的：用户偏好、过去决策、成功经验；
• 该查询的：订单、权限、库存、代码状态；
• 该重新计算的：价格、统计值、派生指标。

这也是为什么「把所有东西都做 embedding」通常会得到一个信息很多、事实却不可靠的系统。

二、人类是怎样逐步理解记忆的

#

把向量库类比成海马、把 context 类比成工作记忆，可以帮助入门，但不能当成结构等价。人类记忆研究一百多年最重要的发现，恰恰是：记忆不是一个位置，也不是一次写入后永久不变的文件。

这里放历史图，不是为了给文章增加一段背景知识，而是为了说明本文为什么拒绝「记忆 = 存储」这个模型。阅读时间线时，不必记住所有年份；要观察的是底部的三次概念转向：从单一仓库，到多个可分离系统，再到会在提取中被重构的动态过程。后文的事件、事实、程序、巩固与修订，全部来自这条问题线索。

1885：Ebbinghaus 把记忆变成可测量对象

#

Hermann Ebbinghaus 用无意义音节在自己身上做重复学习实验，并用「节省法」测量遗忘：即使无法直接回忆，重新学习所需时间仍会缩短。记忆第一次从哲学讨论变成可以画曲线、比较间隔与重复次数的实验对象。

今天 Agent 评估里只测「最终答对多少题」，其实退回到了比 Ebbinghaus 更粗糙的尺度。一个记忆系统还应测：

• 写入后多久可用；
• 多次正确提取后是否更稳定；
• 旧事实被新事实替代时是否仍会误召回；
• 完全想不起来时能否正确弃权。

原始资料：Ebbinghaus, Memory: A Contribution to Experimental Psychology (1885/1913)

1900：记忆不是瞬间写盘，而要经历巩固

#

Georg Elias Müller 与 Alfons Pilzecker 发现，新学习之后立刻插入其他材料会增加干扰，并提出记忆痕迹需要时间稳定的思路。后来「consolidation」成为记忆研究的核心概念。

对 Agent 的启示不是简单做一个 nightly cron，而是区分两份东西：

• 原始经历：完整、可追溯、尽量 append-only；
• 巩固结果：画像、事实、规则、摘要，可以更新或推翻。

如果只保存后者，模型一次错误总结就可能改写历史；如果只保存前者，检索会被大量低价值事件淹没。

原始资料：Müller & Pilzecker, Experimentelle Beiträge zur Lehre vom Gedächtniss (1900)

1949：Hebb 把持久变化放到连接上

#

Donald Hebb 提出细胞集群与连接效率随共同活动而改变的理论框架。那句广为流传的「fire together, wire together」不是原文，但准确概括了关键方向：经验通过网络连接的可塑性留下痕迹。

这对应 Agent 里的一个重要分界：

• 把经历放进 context，只是激活状态变化；
• 把经历写入持久存储，才是系统状态变化；
• 更新模型权重，则是更慢、更难治理的参数变化。

1957：H.M. 证明「记忆」可以分成不同系统

#

Scoville 与 Milner 报告患者 H.M. 在双侧内侧颞叶手术后出现严重的顺行性遗忘，但短时保持和部分技能学习并非以同样方式受损。这项研究击碎了「记忆是一种单一能力」的直觉。

它也是今天 Agent 设计最值得继承的认知：不要让同一个 collection 同时承担当前任务状态、历史事件、用户事实和执行技能。

原始论文：Scoville & Milner, “Loss of Recent Memory after Bilateral Hippocampal Lesions” (1957)

1970s：情景、语义、程序与工作记忆逐渐分开

#

Endel Tulving 区分了：

• 情景记忆（episodic）：我在何时何地经历了什么；
• 语义记忆（semantic）：脱离具体经历后，我知道什么。

Baddeley 与 Hitch 则用多组件工作记忆替代单一短时仓库。与此同时，技能学习与陈述性知识的分离让程序记忆逐渐成为独立范畴。

这套分类到今天仍然比「短期 / 长期」更能指导 Agent 架构：

「短期 / 长期」描述的是寿命；「情景 / 语义 / 程序」描述的是内容与功能。 两个维度不能互相替代。

原始资料：Tulving, “Episodic and Semantic Memory” (1972)；Baddeley & Hitch, “Working Memory” (1974)

1971–2012：从海马空间表征到可操控 engram

#

O’Keefe 发现海马 place cells；此后 grid cells 等研究进一步展示了空间表征的神经机制。2012 年，Liu、Ramirez、Tonegawa 等用光遗传方法重新激活在恐惧记忆形成时被标记的海马细胞群，并诱发记忆提取相关行为。

这并不意味着找到了一个装着完整记忆的「地址」。现代 engram 研究更接近一个分布式、可再激活的细胞集群。记忆内容仍依赖跨脑区网络与提取条件。

资料：2014 Nobel Prize scientific background；Liu et al., “Optogenetic stimulation of a hippocampal engram activates fear memory recall” (2012)

2000：提取不是只读，记忆会再巩固

#

Nader、Schafe 与 LeDoux 的实验显示，已经巩固的恐惧记忆在被重新激活后会进入可塑状态，并需要蛋白质合成才能再次稳定。这推动了 reconsolidation 研究。

对 Agent 来说，最有价值的类比是：每次 recall 都可能成为一次 update。

用户说「我现在不喝咖啡了」，系统不应只是把新旧两条偏好并排丢进向量库。它至少要表达：

1
2
3
4
5

旧事实：user likes coffee
有效期：2025-03 → 2026-07
新事实：user avoids coffee
来源：conversation/event/...
关系：new_fact supersedes old_fact

原始论文：Nader, Schafe & LeDoux, “Fear memories require protein synthesis in the amygdala for reconsolidation after retrieval” (2000)

从脑科学真正能借走的四条原则

#

1. 记忆是多个系统，不是一个向量库。
2. 巩固是从事件到稳定表征的转换，不是简单压缩文本。
3. 提取具有重构性，必须保留来源与版本。
4. 遗忘不是纯故障；它也是抑制干扰、控制成本和保护隐私的机制。

但不要把工程组件和脑区做一一映射。海马不是 Redis，向量相似度不是联想记忆的完整模型，LLM 摘要也不等于睡眠巩固。类比的作用是提出问题，不是替代证据。

三、Agent 记忆是怎样走到今天的

#

人类记忆时间线解释「我们为什么这样提问」，下面的 Agent 时间线则解释「工程为什么走成今天这样」。阅读重点不是模型名称本身，而是状态边界怎样一步步外移：先写在程序和网络内部，后来放进 Context，再通过检索连接外部数据，最后形成包含写入、权限、时间与删除的独立记忆层。

第一阶段：状态写在程序里

#

早期符号 AI 与认知架构已经有工作记忆、产生式规则和长期知识，只是状态由程序员定义，表征结构也高度人工化。它们解决的是「推理系统如何维护状态」，而不是今天的自然语言个性化记忆。

第二阶段：让神经网络学会保存与寻址

#

LSTM 用门控循环状态缓解长程依赖；2014 年 Neural Turing Machine 又把网络与可微读写的外部记忆矩阵连接起来。这里的目标是端到端学会复制、排序和关联回忆等算法。

原始论文：Neural Turing Machines (2014)

这条路线把 memory 做进模型架构，但训练难度、规模化和可治理性限制了它成为通用 Agent 的用户记忆层。

第三阶段：Transformer 把 Context 变成通用工作区

#

Transformer 让序列内部任意位置之间直接交互，prompt 逐渐成为统一接口。模型权重不再需要为每次任务变化；规则、示例、文档和工具结果都可以在推理时提供。

代价是每次调用默认从一份新 context 开始。所谓「LLM 无状态」，更准确地说是：模型 API 不替应用承诺跨调用状态语义。

第四阶段：RAG 把非参数记忆接到生成前

#

2020 年的 RAG 把参数模型与可检索的非参数语料结合。它最初解决的是知识密集型任务与来源更新，不是个人记忆；但「先检索，再生成」很快成为 Agent 长期记忆的基本读取模式。

原始论文：Lewis et al., “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks” (2020)

这里要保留一个边界：RAG 是读取机制，不是完整记忆系统。 如果数据从未经过经历驱动的写入、更新、冲突处理或遗忘，它更像外部知识库。

第五阶段：2023 年把写入、反思、技能与分层组合起来

#

2023 年几项工作几乎同时补上了不同缺口：

• Generative Agents：事件流 + recency / relevance / importance 检索 + reflection，把情景事件巩固为高层理解；
• Voyager：把成功代码沉淀为可复用 skill library，突出程序记忆；
• MemGPT：借用操作系统虚拟内存，把有限 context 当作工作集，由 Agent 工具化地在不同层级间搬运信息；
• CoALA：把工作记忆、情景、语义、程序记忆与决策循环统一成语言 Agent 的认知架构。

原始论文：Generative Agents · Voyager · MemGPT · CoALA

第六阶段：2024–2026 年，竞争从「能记」转向「怎么治理」

#

今天开源项目真正分化的地方已经不是有没有 vector search，而是：

• 谁决定写入；
• 记忆是事件、事实、文档、图边还是可执行技能；
• 冲突是覆盖、并存还是带时间失效；
• 是否保留 provenance；
• 是否有后台巩固；
• 是否能按 user / agent / tenant 隔离；
• 是否能查看、修改、导出与删除；
• 记忆失败时是否可观测。

这就是接下来代码审计的尺子。

四、怎么读一个「Agent 记忆」开源项目

#

我没有按官网 benchmark 排名。跑分会受到基础模型、回答 Prompt、裁判模型、检索预算和数据清洗影响，而且「记忆问答」高分不等于权限、删除、稳定性和成本都适合生产。

本次审计固定在 2026-07-30 可见的仓库版本，并观察七个层面：

1. 写入路径：谁触发，是否有门控、去重和结构化抽取；
2. 记忆表征：原始事件、事实、画像、图、Prompt 还是技能；
3. 存储抽象：文件、SQL、向量、图，能否替换；
4. 检索路径：精确、向量、BM25、图遍历、rerank；
5. 时间与冲突：覆盖、失效、版本、双时序；
6. 系统边界：只是库，还是含 Agent Runtime、API、租户和运维；
7. 闭环完整度：有没有巩固、反馈、遗忘、删除和观测。

下面这张图承担的是选型导航，不是展示项目 Logo，也不是给出总分。最有用的读法是逐行看：官网卖点在左，真实代码主链路在中间，系统边界和记忆范式在右。这样可以迅速判断一个项目是在提供 SDK、Runtime、图引擎、框架工具箱、知识管线，还是研究实现，再决定是否值得进入后面的详细审计。

总表：宣传卖点、代码事实与记忆范式

#

下面逐个拆开。

五、六大开源系统：宣传与代码之间到底隔着什么

#

1. Mem0：不是「大脑」，而是一条事实蒸馏与检索管线

#

Mem0 的定位非常清楚：给现有应用加一个统一的长期记忆层。API 围绕 add / search / get / update / delete，并提供多种 LLM、embedding、vector store 和 reranker provider。

在当前 OSS Python 实现里，v3 写入主链路可以直接从 mem0/memory/main.py 读出来：

1. 根据 user_id / agent_id / run_id 建立 scope；
2. 从 SQLite 取最近消息；
3. 用当前对话去 vector store 召回既有记忆；
4. 把「旧记忆 + 新消息 + 最近上下文」交给 LLM 做一次增量抽取；
5. 对抽出的 memory texts 批量 embedding；
6. 写回向量库，并记录历史。

这说明它的核心不是保存原始聊天，而是让 LLM 把对话蒸馏成较短的可检索事实。

宣传成立的部分：

• 接入成本低；
• provider abstraction 完整；
• scope、metadata、history、async API、reranker 等工程接口较成熟；
• 很适合「记住偏好、身份信息、过去决定」。

宣传容易让人误解的部分：

• universal 不代表自动适合所有记忆类型；
• 核心默认仍偏语义事实，不是完整的工作记忆或技能系统；
• 事实抽取依赖 LLM，因此写入时就可能发生遗漏、归因错误和错误概括；
• vector search 能找相似内容，但不能天然回答复杂历史真值。

2. Letta：记忆不是外挂，而是 Agent Runtime 的状态模型

#

Letta 的前身就是 MemGPT。它和 Mem0 最大的差别，不是检索算法，而是系统边界。

从 AgentState、Memory、Passage 和 agent_loop.py 可以看到：

• memory blocks 是 Agent 状态的一部分；
• messages、passages、tools、model config 与 Agent identity 一起持久化；
• context window calculator 决定哪些状态进入本轮；
• Agent 可以通过工具修改自己的记忆，而不只是被动接受后台抽取；
• server、API、ORM、multi-agent group 都在同一代码库的运行模型中。

宣传成立的部分：

• 它确实是 stateful agent platform，不只是一个 vector wrapper；
• memory 与 Agent loop、工具和 context budgeting 一体化；
• 很适合长期运行、需要自我维护状态的 Agent。

代价：

• 你采用的不只是一个 memory library，而是一整套 Agent Runtime；
• 自主改写记忆提高了能力，也扩大了 prompt injection、错误写入和权限边界；
• Runtime 很完整，不代表每个具体场景都需要这么重。

3. Graphiti：真正的卖点不是「图」，而是时间与溯源

#

很多知识图谱项目都能存 subject - predicate - object。Graphiti 的差异在于 episode provenance 与双时序关系。

从 graphiti_core/edges.py 和 graphiti.py 可以看到：

• episode 保存原始输入与来源；
• entity node 表示人、物、组织或概念；
• entity edge 表示事实关系；
• valid_at / invalid_at 描述事实何时在现实中有效；
• created_at / expired_at 描述系统何时知道、何时失效；
• 搜索 recipes 组合 semantic、BM25、graph traversal 与 rerank。

这让系统可以同时回答：

• 现在什么是真的？
• 2025 年 3 月时什么是真的？
• 我们什么时候才知道它变了？
• 这条边由哪次 episode 推导出来？

宣传成立的部分：

• 时序与 provenance 是真实的数据模型，不只是 Prompt 里写一句「考虑时间」；
• 对变化的实体关系、多跳查询、审计非常有价值；
• graph backend 和搜索 recipe 有明确抽象。

必须看清的边界：

• 开源 Graphiti 是图引擎，不是完整的用户、会话与 Agent 产品；
• README 也明确区分 Graphiti 与托管 Zep：用户管理、规模化检索、治理、SLA 和开发工具属于更外层；
• 图构建依赖 LLM 结构化抽取，schema 与模型质量会直接影响写入正确性。

4. LangMem：最像一盒积木，而不是一台记忆服务器

#

LangMem 的价值在于把常见记忆动作做成可组合原语：

• 热路径里的 manage_memory / search_memory tools；
• 后台 manager 做抽取、合并和更新；
• profile 与 collection 两种语义记忆形态；
• 从成功/失败轨迹优化 Prompt 的 procedural memory；
• 通过 LangGraph BaseStore 持久化。

代码核心可见 knowledge/extraction.py 与 prompts/optimization.py。

宣传成立的部分：

• 同时覆盖 in-the-loop 与 background 两种写入模式；
• procedural memory 不是一句口号，确实有 Prompt optimizer；
• 对已经使用 LangGraph 的项目，组合自由度很高。

边界：

• 它不自带独立的生产数据库、用户系统或完整 Agent Server；
• InMemoryStore 示例重启就丢，生产需要 Postgres Store 或其他 BaseStore；
• 一致性、权限、删除与观测取决于外层 LangGraph 平台或你自己的实现。

5. Cognee：更像知识基础设施，而不是聊天偏好记忆

#

Cognee 宣称把原始数据转成 AI memory，代码里真正成熟的部分是一条 ECL 风格知识管线：

1
2
3
4
5

add
  → classify / chunk
  → cognify（LLM 抽实体与关系）
  → graph + vector + relational storage
  → search / memify

cognify.py 组织 pipeline；数据库层有 graph/vector interface；上层还有 dataset、user、role 与 ACL。

宣传成立的部分：

• 数据摄取、任务管线、图/向量/关系数据库适配做得很完整；
• 支持多种 search type、ontology 和多租户权限；
• 对文档、代码、企业数据形成持久知识图很有吸引力。

需要校准的部分：

• 它最强的是 semantic knowledge infrastructure；
• 如果需求只是「记住这个用户不吃香菜」，完整 cognify pipeline 可能过重；
• 如果需求是大量异构资料、关系查询、权限隔离，它又比纯聊天 memory SDK 更合适。

6. MemoryOS：脑科学启发最直观，生产架构仍偏研究参考

#

MemoryOS 把短期、中期和长期做成显式层级：

• 短期保存最近 QA；
• 容量达到阈值后迁移到中期 session segment；
• segment 具有 heat；
• 热度达到阈值后，用 LLM 更新 user profile、用户知识与 assistant knowledge；
• Retriever 从中期页面与长期知识中取回内容，再拼回生成 Prompt。

这些链路可以在 memoryos-pypi/memoryos.py 直接读到。

宣传成立的部分：

• 分层、迁移、热度和巩固都有明确实现；
• 很适合复现论文，观察 episodic → semantic consolidation；
• 代码直观，研究者容易修改策略。

代码层面的现实：

• 默认实现大量使用本地 JSON、SentenceTransformer 与 LLM 调用；
• memoryos-pypi、memoryos-playground、memoryos-chromadb、memoryos-mcp 保留多份近似模块；
• 事务、并发、租户隔离、统一 schema、迁移、监控与细粒度删除仍需要应用补齐。

这不是说它「差」，而是它交付的是研究型参考实现，不应和完整平台用同一把尺子衡量。

六、真正公平的比较：不是一张总分榜，而是八个能力面

#

加粗不是绝对优劣，而是该项目把主要复杂度投入在哪里。

为什么 benchmark 不能替代这张表

#

LoCoMo、LongMemEval 等 benchmark 很有价值，但它们主要观察回答是否利用了历史。生产系统还要面对：

• 写错：LLM 把推测当成用户事实；
• 记太多：每轮都生成重复、低价值条目；
• 旧事实复活：相似度高但已经过期；
• 跨用户泄漏：scope 或 filter 漏掉；
• 记忆投毒：外部内容诱导 Agent 写入长期指令；
• 不可删除：衍生摘要、向量、图边和缓存没有级联清理；
• 不可解释：回答用了哪条记忆无法追踪；
• 成本失控：每轮抽取、embedding、rerank 与图构建叠加。

一个 LoCoMo 分数更高的系统，完全可能不适合医疗、金融或多租户 SaaS。

七、怎样为自己的 Agent 选记忆范式

#

场景 A：编程 Agent、个人工具、几百条稳定规则

#

优先：

1
2
3
4

Markdown / JSON
  + 明确命名空间
  + Git 版本
  + BM25 或简单全文检索

原因是可读、可 diff、可审查。文件记忆不是「落后版向量库」；在精确术语多、数据量小、规则必须确定性加载的场景，它往往更可靠。

只有出现跨语言、同义改写或数千条以上内容时，再加 embedding 做辅助召回。

场景 B：聊天助手、客服、轻量个性化

#

优先 Mem0 或 LangMem 风格：

1
2
3
4
5

对话
  → 写入门控
  → 事实 / profile 抽取
  → user-scoped store
  → semantic retrieval

关键不是选哪个向量库，而是先设计：

• 哪些内容禁止写；
• 用户能否查看与删除；
• 新旧偏好如何替代；
• 模型不确定时是否只存原始 episode。

场景 C：长期自治、模型要主动维护自身状态

#

优先 Letta 风格的完整 Runtime。

你需要的不只是「搜索历史」，而是 Agent identity、memory blocks、消息持久化、context budgeting、工具权限与 Agent loop 一起工作。

场景 D：事实会变化，还要回答历史状态

#

优先 Graphiti 风格的 temporal graph。

典型问题：

• 客户之前属于哪个合同版本？
• 某人何时从团队 A 转到团队 B？
• 系统在做出决定时掌握的是哪一版事实？

这些不是把 top-k 从 5 调到 20 能解决的。

场景 E：企业文档、多源数据、知识关系与权限

#

优先 Cognee 风格的 knowledge pipeline，或在现有数据平台上构建图 + 向量 + SQL 混合层。

这里 memory 更接近「可持续更新、可检索、可授权的组织知识」，不只是聊天回忆。

场景 F：研究分层巩固、热度、遗忘策略

#

MemoryOS 适合当可读、可改的实验基线；不要把论文参考实现未经补强就当成高并发多租户服务。

八、我会怎样设计一个可上线的 Agent 记忆层

#

前面的图负责定义概念和比较项目，这张图才是落地蓝图。阅读顺序是自上而下：顶部是一次请求经过的在线读写链路，中部是按记忆类型拆开的持久层，底部是来源血缘、巩固、冲突修订和删除等后台治理。它的目的不是要求所有团队照抄组件，而是确保生产设计没有漏掉生命周期中的关键责任。

1. 原始事件与派生记忆分开

#

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

event_log（不可变、可审计）
  ├─ conversation
  ├─ tool_result
  ├─ user_correction
  └─ environment_observation

derived_memory（可更新、可失效）
  ├─ profile_fact
  ├─ episodic_summary
  ├─ entity_relation
  ├─ procedure
  └─ policy

任何派生记忆都保存 source_event_ids。删除源数据时，系统才知道哪些摘要、embedding 和图边需要重建或撤销。

2. 写入门控先于 embedding

#

门控至少判断：

• 是否与未来任务有关；
• 是明确事实还是模型推断；
• 是否含敏感信息；
• 用户是否授权持久化；
• 是否已存在；
• 应写成 episode、fact、relation 还是 procedure。

每条记忆都是未来每次检索的税。

3. 不同记忆类型使用不同主键与检索

#

不要用一个 embedding collection 代替 schema 设计。

4. 把时间和来源当成一等字段

#

最小字段建议：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

id:
tenant_id:
subject_id:
memory_type:
content:
source_event_ids:
confidence:
valid_from:
valid_to:
created_at:
expired_at:
supersedes:
access_scope:

如果事实会变化，再考虑 Graphiti 式双时序；如果事实简单，至少保留 valid_from / valid_to / supersedes。

5. 读取要做候选生成、过滤与组装

#

一个稳健读取链路通常是：

1
2
3
4
5
6
7

query
  → scope / ACL filter
  → exact + BM25 + vector + graph candidates
  → recency / importance / validity rerank
  → contradiction check
  → token budget packing
  → provenance-preserving context

「相似」只是其中一个信号。

6. 巩固与遗忘都走后台任务

#

后台任务负责：

• 相似 episode 聚类；
• 提取稳定事实；
• 更新画像；
• 生成 procedure；
• 标记被替代事实；
• 低价值内容降权；
• TTL 与用户删除；
• 重建受影响索引。

在线路径只做必要的快速写入，避免每轮对话承担全部 LLM 成本。

7. 用任务结果评估，而不只用问答准确率

#

至少观察：

• write precision：写入的条目有多少真的值得保留；
• stale recall rate：召回结果中有多少已失效；
• provenance coverage：有多少回答能追到源事件；
• cross-tenant leakage：必须为零；
• deletion completeness：删除后派生数据是否残留；
• task success delta：加记忆后任务成功率是否真的提高；
• token / latency / cost：每次有效记忆带来的边际成本。

九、最后的判断：Agent 记忆会向哪里演进

#

短期内，不会有一个「最像人脑」的项目统一市场。更可能出现三层收敛：

1. Runtime 层：维护当前任务、Agent identity、工具权限和 context；
2. Memory service 层：管理事件、事实、关系、技能、时间与删除；
3. Model 层：更长 context、更好的 test-time learning，以及可能的架构内 memory module。

真正稳定的接口不会是 vector_db.search(text)，而会逐渐接近：

1
2
3
4
5

remember(event, policy)
recall(query, scope, time, budget)
revise(memory, evidence)
forget(subject, reason)
explain(memory_id)

人类记忆科学用了一百多年，才从「记忆存在哪里」走到「多个系统怎样在提取中重构过去」。Agent 记忆工程也正在经历同样的概念升级：

关键一手资料与代码入口

#

人类记忆科学

#

• Ebbinghaus — Memory: A Contribution to Experimental Psychology
• Müller & Pilzecker — Experimentelle Beiträge zur Lehre vom Gedächtniss
• Scoville & Milner — H.M. 双侧海马相关病例
• Baddeley & Hitch — Working Memory
• 2014 Nobel Prize — place cells 与 grid cells 科学背景
• Nader, Schafe & LeDoux — Reconsolidation
• Liu et al. — Optogenetic activation of a hippocampal engram

Agent 记忆论文

#

• Neural Turing Machines
• Retrieval-Augmented Generation
• Generative Agents
• Voyager
• CoALA
• MemGPT
• Lost in the Middle

固定提交的代码审计入口

#

• Mem0 memory/main.py @ 9c2d622
• Letta schemas/memory.py @ b76da90
• Graphiti graphiti_core/edges.py @ 2645dee
• LangMem knowledge/extraction.py @ 56d8593
• Cognee cognify.py @ 88aa09b
• MemoryOS memoryos.py @ 587ed77

审计时间：2026-07-30。开源项目变化很快，因此代码判断全部链接到固定提交；官网卖点只用于说明项目自我定位，不作为架构事实。