引言：为什么Agent需要真正的记忆系统？

当前大模型驱动的AI Agent正从单轮问答走向长周期、多任务的持续协作。然而，大多数Agent仍面临一个尴尬的困境：跨会话“失忆”。每次开启新对话，模型都从零开始，无法记住用户偏好、历史决策或上下文状态。

简单接入向量数据库并不能解决这个问题。真正的记忆系统需要完成完整的生命周期：信息筛选 → 触发提取 → 持久存储 → 精准检索 → 自动遗忘。缺少任一环节，记忆都会沦为“噪声仓库”。

本文将从记忆生命周期的四个核心问题出发，系统解析主流Agent记忆系统的设计哲学，并给出企业级选型建议。

一、记忆系统的四大核心问题

任何Agent记忆框架都必须回答以下四个问题：

保留什么？ 从原始对话中筛选有价值的信息，过滤无意义噪声（如“好的”“谢谢”）。

何时写入？ 确定触发记忆提取的时机——是实时写入、会话结束时批量处理，还是后台异步整合。

存储载体？ 选择逻辑表示（文本、向量、图谱）和物理存储引擎（向量库、图数据库、关系库）。

如何检索？ 设计查询路由与排序算法，在有限Token预算内构建高质量上下文。

理清这四个问题，就能看懂任意记忆系统的底层逻辑。

二、主流记忆系统架构横向对比

2.1 Mem0：追加式日志 + 检索时冲突消解

Mem0采用追加式写入策略：每次调用add()时，仅由LLM单次调用提取事实，不进行冲突检测，新旧信息同时保留。冲突消解后置到检索阶段，通过融合语义向量、BM25关键词和实体匹配的混合检索来排序。

优点： 写入速度快（p95延迟仅1.44秒），LLM调用成本低。 缺点： 存储数据持续膨胀，检索逻辑复杂。

python
from mem0 import Memory
memory = Memory()
memory.add(messages, user_id="ken", agent_id="code-agent", run_id="sess-1")
hits = memory.search(query="what are my preferences?", filters={"user_id":"ken"}, top_k=3)

2.2 Supermemory：实时摄取 + 后台“梦境循环”

Supermemory区分静态模块（长期稳定信息）和动态模块（近期对话内容），底层采用知识图谱。其特色是后台异步“梦境循环”：写入后立即支持检索，但完整的信息整合（去重、冲突消解、过期清理）在15分钟内异步完成。

优点： 存储库长期整洁，检索逻辑简单。 缺点： 新变更无法立刻完成规整，存在约15分钟延迟。

javascript
import Supermemory from 'supermemory';
const client = new Supermemory({apiKey: process.env.SUPERMEMORY_API_KEY});
await client.add({content: "Ken ships agents in TypeScript", containerTags: ["user_123"]});
const { profile } = await client.profile({containerTag: "user_123"});

2.3 Letta（MemGPT）：操作系统分页式三层记忆

Letta借鉴操作系统内存分页思想，将上下文窗口类比为RAM，其余记忆存储在“磁盘”中。三层架构：

核心记忆（Core Memory）： 固定常驻的可编辑文本块，相当于内存。

档案记忆（Archival Memory）： 向量数据库长期存储，相当于磁盘。

回忆记忆（Recall Memory）： 完整原始对话历史。

智能体通过专属工具（memory_replace、archival_memory_insert等）自主调度记忆，无需开发者手动调用API。

优点： 自主性强，可模拟无限记忆。 缺点： 工具链路设计复杂，调试难度高。

python
from letta_client import Letta
client = Letta(api_key=os.getenv("LETTA_API_KEY"))
agent = client.agents.create(name="assistant", memory_blocks=[...])

2.4 Mandol：凝聚式内存原生分层记忆

Mandol由中科院软件所提出，核心思想是将碎片化记忆“凝聚”为统一的内存原生架构。

三项核心创新：

分层记忆模型： 基础记忆层（原始交互信息）+ 高阶抽象记忆层（情景、语义、情感记忆），两层之间通过可追溯链接关联。

内存原生语义数据结构： SemanticMap + SemanticGraph在单一地址空间内融合键值存储、向量索引与图结构，消除跨库查询开销。

智能量化检索： 在Token预算内构建高质量上下文，通过查询自适应路由、多源并行召回、去噪与冲突消解。

性能表现：

LoCoMo基准准确率92.21%，LongMemEval基准88.40%。

10 QPS并发下平均检索延迟82.2ms，相比最快基线加速5.4倍。

消费级笔记本上仍保持低延迟，适合端侧部署。

python
Mandol API 示例（简化）
from mandol import MandolMemory
memory = MandolMemory(config={...})
memory.add_session(session_id="s1", messages=[...])
results = memory.query(query="去年暑假北欧旅行订了哪些酒店？", token_budget=2000)

2.5 EverOS：本地优先的Markdown可读记忆

EverOS是EverMind团队推出的轻量化Python记忆库，以Markdown文件作为可信源文件，搭配SQLite + LanceDB双索引。

特色：

底层记忆文件可手动编辑、Git版本管理。

三组件轻量化架构，无需重型中间件。

支持离线记忆自省迭代（会话间隙自动合并同类片段、优化用户画像）。

兼容OpenAI标准API，一键对接主流大模型。

bash
pip install everos
everos demo  # 运行可视化演示
everos server start  # 启动服务
curl http://127.0.0.1:8000/api/v1/memory/add -X POST -d '{"session_id":"demo-001","messages":[...]}'

2.6 JiuwenMemory（AutoGenetic Memory）：自主生长式记忆

华为openJiuwen社区开源的记忆引擎，将记忆类比为“基因片段”，强调自主生长。

核心设计：

L0-L3分层记忆： 原始信息层 → 摘要记忆层 → 结构化记忆层（情景+语义） → 用户画像层。

AutoDreaming： 后台离线异步“做梦”，将高成本记忆加工挪到后台，降低在线延迟。

MemoryTurbo： 前台对话产生“排气”，后台飞轮转化为“增压”，用户感知时延降低80%。

GraphMemory： 将孤立事实升级为动态关系网络。

Swarm Memory： 群体记忆共享，实现组织级知识沉淀。

性能： 在LoCoMo基准上，以插件形式接入OpenClaw后，准确率提升15%，Token消耗降低超60%。

bash
pip install JiuwenMemory
初始化Provider，配置存储后端和Embedding模型
Agent自动使用记忆能力，无需修改核心逻辑

三、架构分类与选型指南

根据上交大《Are We Ready For An Agent-Native Memory System?》论文，Agent记忆系统可分为四类架构：

架构类型代表系统优点缺点适用场景

流式反思型MemoryBank部署简单，开销低远距离事实召回差轻量短时对话 分层多级型Letta, Mandol超长会话支持好，冷热数据区分层级摘要丢失细粒度事实超长对话、冷热数据分离 知识图谱型Zep, Mem0g实体更新鲁棒，时序推理强构建查询延迟高，运维成本大多实体频繁更新、时序推理 混合复合型MemOS, A-MEM, JiuwenMemory综合均衡，适配复杂负载架构复杂，多引擎同步开销大复杂多模态混合负载

选型建议

对话问答场景： 优先选择混合复合系统（如MemOS、JiuwenMemory），它们在多跳推理和时序推理上表现均衡。

事实更新频繁场景： 图谱系统（Zep、Cognee）通过多版本机制处理冲突更优。

轻量端侧部署： Mandol或EverOS，无需外部数据库，延迟低。

超长会话场景： 分层系统（Letta、Mandol）通过冷热数据分离控制Token开销。

四、关键设计原则与落地实践

4.1 提取阶段：保守留存，避免过早压缩

上交大消融实验表明：写入阶段保守、少过滤效果更好。粗粒度话题分割、同时存储用户和助手对话可保留推理关键线索；精细抽取会牺牲多步推理能力。

4.2 检索阶段：混合检索 + 轻量路由

稠密语义检索擅长语义近似匹配，但远距离事实召回差。

结合BM25关键词匹配和实体关联可显著提升召回率。

避免过度复杂的LLM路由，轻量级查询规划性价比更高。

4.3 维护阶段：局部增量更新优于全局重构

时间戳多版本管理是处理事实更新的最佳实践。

全局全量合并是延迟的主要来源，应优先采用局部增量更新。

定期离线“梦境循环”（如Supermemory、JiuwenMemory）可有效整合碎片信息。

4.4 Token预算控制

智能量化检索（如Mandol）在Token预算内构建高质量上下文。

分层记忆通过摘要压缩减少冗余，但需注意摘要可能丢失精确事实。

实际部署中，建议设置硬性Token上限，并监控检索召回率。

五、未来方向

自适应混合记忆： 根据负载特征动态选择检索策略和存储引擎。

低开销时序更新： 更高效的多版本管理与冲突消解算法。

群体记忆共享： 如JiuwenMemory的Swarm Memory，实现组织级知识沉淀。

记忆评测标准化： 需要更多像MemoryData（上交大开源）这样的统一评测工具。

六、总结

Agent记忆系统已从简单的RAG演进为完整的数据管理基础设施。当前不存在适配全场景的最优架构，选型需结合业务场景、成本预算和部署环境。

轻量场景： Mem0、EverOS

企业级复杂场景： Mandol、JiuwenMemory

超长会话： Letta

事实更新频繁： 图谱系统（Zep、Cognee）

关键设计原则：保守提取、混合检索、局部更新、Token预算控制。

对于正在构建需要可靠长期记忆的Agent团队，建议先明确核心负载类型，再选择或定制合适的记忆架构。

FAQ

Q1：单纯接入向量数据库，为什么不能实现真正的智能体记忆？

向量数据库仅提供文本相似度检索索引，缺少完整记忆生命周期流程。完整记忆需要判断信息留存价值、定时提取关键内容、结构化存储、按需精准检索、清理过期信息；仅把全部对话存入向量库，无法过滤无意义噪声、无法区分新旧冲突信息，会造成检索冗余、Token开销巨大，无法满足智能体长期记忆需求。

Q2：Mem0与Supermemory处理信息冲突的核心区别是什么？各有什么优缺点？

Mem0写入时直接追加新旧全部事实，不做覆盖，在检索阶段再判断信息时效性解决冲突；优点是写入速度快、LLM调用成本低，缺点是存储数据量持续膨胀，检索逻辑更复杂。Supermemory依靠后台“梦境循环”异步合并信息、按时间戳淘汰过时内容，提前消解冲突；优点是存储库长期整洁，检索逻辑简单，缺点是后台异步整合存在约15分钟延迟，新变更无法立刻完成规整。

Q3：Letta和Mem0、Supermemory最本质的设计差异体现在哪里？

Mem0、Supermemory提供标准化记忆API，由开发者主动调用add/search接口管理记忆；Letta借鉴操作系统内存分页思路，将上下文窗口视作内存，把记忆管理权限完全交给智能体自身。智能体通过专属工具自主完成记忆新增、修改、检索，无需开发者手动操作记忆接口，自主性更强，但工具链路设计、问题调试难度显著高于另外两款框架。

Q4：如何为我的业务场景选择合适的记忆系统？

对话问答场景优先选择混合复合系统（如MemOS、JiuwenMemory）；事实更新频繁的场景选择图谱系统（Zep、Cognee）；轻量端侧部署选择Mandol或EverOS；超长会话场景选择分层系统（Letta、Mandol）。建议先明确核心负载类型，再结合成本预算和部署环境进行选型。