# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：witcheer ☯︎ (@witcheer) · 平台：X (Twitter) · 日期：2026-04-18

> 原始來源：https://x.com/i/article/2044340411691323393

## 中文摘要

AI Agent記憶工具分為記憶後端與脈絡基質兩大陣營。

作者檢視GitHub上450+「agent-memory」與460+「context-management」程式庫，發現非預期的40種相似工具，而是兩種根本不同範式，大多數人未劃清界線，且第二類缺乏專有名詞。我在Mac Mini M4上運行24/7 Agent設定，每場工作會話皆累積前次內容，此經驗凸顯分裂：多數記憶工具無法支撐此架構，能運作者卻未被視為記憶工具。

**兩大陣營區分**

第一陣營「記憶後端」從對話提取事實，存入向量資料庫，需時檢索相關者，如自動筆記員，核心問題為「AI該記住什麼？」。

第二陣營「脈絡基質」維持跨會話累積的結構化、人可讀脈絡，無提取過程，脈絡即檔案：Agent讀取、運作於其中、寫回，整體隨時間複合。核心問題為「AI該在何種脈絡中運作？」。

大多數領域（及GitHub星數）屬第一陣營，但第二陣營正孕育可擴展至連續、多會話、多專案的架構，相關語言正轉向此方向。

**第一陣營：記憶後端詳解**

Mem0（53.1k星）為採用率領先者，四大操作：新增、搜尋、更新、刪除，從對話提取事實，按三層（使用者、會話、Agent）儲存，透過混合搜尋檢索。

- 極易整合，提供Python與TypeScript SDK，相容一切。
- 限制：記憶為平面條目，無關聯性；每次提取需LLM呼叫，品質全賴提示詞；儲存後不演化，一月事實與四月事實並置，無取代概念。

MemPalace（46.2k星）強調本地優先逐字記憶，非提取事實，而是逐字儲存對話，按「翼」（實體）、「房間」（主題）、「抽屜」（原始內容）組織，使用ChromaDB搜尋。

- 基準測試領先：LongMemEval純語意搜尋達96.6%檢索召回率，無API呼叫、無LLM；混合管線98.4%；LLM重排序99%+。
- 限制：逐字儲存線性擴張，對話越多越大，無壓縮、無合成；適合「找三週前提及」，不適合「五專案當前狀態」。

Supermemory（21.8k星）明定位「記憶非RAG」，差異在時間意識，如說「我剛搬到舊金山」即取代舊城市，過期事實自動遺忘；使用者檔案合併穩定事實與近期活動，檢索約50ms。

- 連接Google Drive、Gmail、Notion、OneDrive、GitHub；多模態支援PDF、圖像、影片、程式碼。
- 自建MemoryBench基準，自稱LongMemEval、LoCoMo、ConvoMem第一。
- 第一陣營最接近思考狀態而非純儲存。

Honcho（2.4k星）架構獨特，將人與Agent視為統一模型「同儕」，背景非同步推理服務從會話推導心理洞察，非僅記說了什麼，而是建構思考模式。

- 需PostgreSQL + pgvector，AGPL-3.0（限制性），基礎設施較重。
- 第一陣營最注重實體演化。

其他如Cognee（15.4k）合向量搜尋與圖資料庫助關聯推理；Memori（13.3k）攔截LLM API捕捉執行脈絡，LoCoMo達81.95%僅用4.97%完整脈絡token；AgentScope、MemOS、EverOS、MIRIX、SimpleMem、Memobase等，皆同循環變體。

**第一陣營共同特徵與侷限**

所有工具循相同循環：對話發生→系統提取事實或儲存內容→事實入資料庫（向量、圖或兩者）→下次對話檢索注入。

智慧在提取與檢索，人類與Agent互動，記憶系統幕後運作，使用者不直接碰觸，信任系統記對並適時浮現。此有效，基準證明，但僅解「事實召回」：「X提過什麼？」「使用者偏好為何？」。

未觸及另一問題：連續、多專案狀態累積。

**第二陣營：脈絡基質詳解**

OpenClaw（358k星）記憶架構核心為純Markdown檔案：MEMORY.md長存、每日筆記（YYYY-MM-DD.md）運行脈絡、DREAMS.md彙總。

- 文件哲學：「模型僅『記住』存盤者，無隱藏狀態」。
- 無向量資料庫、無提取管線，Agent讀寫檔案。
- 最有趣「夢境」：背景三階段彙總每日筆記至長存：
  - 淺眠：篩每日筆記，群組鄰近行成連貫塊。
  - REM：權重召回提升，頻訪資訊成「持久真理」。
  - 深眠：重播安全提升至MEMORY.md，調和而非重複。
- 僅過閾值者提升：最低分0.8、最低召回3、最低獨特查詢3；六權重訊號評分：相關性(0.30)、頻率(0.24)、查詢多樣(0.15)、新近(0.15)、彙總(0.10)、概念豐富(0.06)。

Zep（4.4k星）最近改定位「記憶」為「脈絡工程」，最強市場訊號：獲資公司察覺空間走向，棄「記憶」一詞。

- 內部用時間知識圖（Graphiti框架），事實含valid_at與invalid_at時間戳；自動提取關係，回傳LLM最佳化脈絡塊；檢索低於200ms；SOC2 Type 2與HIPAA相容。
- 架構介兩營，仍提取檢索，但改名顯示傾向第二陣營。

Thoth（145星）微型專案，卻最深架構：建個人知識圖，10實體類型連67定向關係；FAISS向量搜尋加一跳圖擴展前LLM呼叫。

- 夜間「夢境循環」四階段：相似度0.93+合併重複→對話脈絡豐富描述→推斷共現實體關係→90天舊關係信心衰減。
- 三層防污染阻跨實體事實滲漏，最精密自動記憶精煉；星數低因需認真設知識圖，多數人不為。

TrustGraph（2.0k星）引「脈絡核心」，可攜、版本化捆綁含領域綱要、知識圖、向量嵌入、證據來源、檢索政策；視脈絡如程式碼：版本、測試、提升、回滾。

- 第一陣營視記憶為對話副效應，此視脈絡為一級文物，有身份、生命週期；可交脈絡核心給新Agent繼承全運作脈絡，或分叉實驗後合併。
- 最接近封裝可攜脈絡單位；實作重（Cassandra + Qdrant），概念正確。

MemSearch（Zilliz出，1.2k星）Markdown優先，從Milvus團隊；記憶為.md檔案，人可讀、可編輯、可版本；Milvus為「陰影索引」，全重建；檔案為真相來源，向量搜尋僅存取層。

- 三層漸進揭露：語意塊→完整區段→原始記錄；混合搜尋（密集向量 + BM25 + RRF重排序）。
-  notable：向量資料庫公司讓自家產品從屬檔案，承認真相源頭。

**第二陣營共同特徵與優勢**

循環不同：Agent先讀結構脈絡→於脈絡內運作→Agent（或背景）寫回→下會話脈絡更豐富。

智慧在累積，脈絡即記憶；因為檔案（Markdown、知識圖、脈絡容器），人類可讀、編輯、修正、懂Agent所知。

第一陣營優化召回：「系統找對事實？」；第二優化複合：「系統隨時更好？」。

**未來走向與作者實作**

24/7 Agent模式顯示：記憶與脈絡非同題；Agent不需記「偏好暗黑模式」，而需運作於含活躍專案、同事、近期決策、昨日事件之脈絡，且明日更豐富。

記憶後端解召回：96%+準確、低200ms延遲、即插API；聊天機器人記偏好用Mem0或MemPalace足矣。

但連續Agent——睡時運作、共用知識庫、數週月有意義進步——需脈絡基質。

預測：6個月內「脈絡工程」取代「記憶」成嚴肅Agent基礎設施標準詞；基質架構專案將領先事實儲存框架，基準將重寫或新替。

作者合作專案ALIVE（alivecontext.com / @AliveContext_）：結構脈絡基質、檔案原生、Agent無關；walnuts為可攜脈絡容器，零基礎依賴、純檔案複合。用於Hermes Agent atop Mac Mini與Claude Code，此令設定運作而非每會話重置。

此類需名，作者推「脈絡基質」；建多於一對話Agent，必趨此途。

## 標籤

Agent, 記憶系統, 開源專案