我扒了450个AI记忆工具,发现整个行业分成两个阵营

GitHub 上搜 “agent-memory” 能找到 450 多个仓库，搜 “context-management” 有 460 多个。我跟几个搞 Agent 的朋友把这些项目全过了一遍。

原本以为会看到 40 个工具用不同的 API 做差不多的事情。

结果发现的却是：两个根本不同的范式，几乎没人把它们之间的界限说清楚，而且这个品类甚至还没有一个统一的名字。

我在一台 Mac Mini M4 上跑着 24/7 的 Agent。每次会话都在上一次的基础上叠加。正是这个设置让我注意到了这个分叉——大多数记忆工具撑不起我的用法，而那些能撑起的，根本不被当作”记忆工具”来讨论。

阵营一：记忆后端（Memory Backends）

这类工具从对话中提取事实，存进向量数据库，下次你提问时检索相关记忆回来。本质上是自动化的笔记系统——把东西归档，需要时再取出来。

核心问题：“AI 该记住什么？”

阵营二：上下文基底（Context Substrates）

这类工具维护结构化的、人类可读的上下文，跨会话累积。没有”提取”这回事——上下文本身就是文件。Agent 读取它、在其中工作、写回它，整个系统随时间复利增长。

核心问题：“AI 该在什么上下文中工作？”

目前大部分项目（以及大部分 GitHub Star）都在阵营一。但真正能扩展到持续、多会话、多项目工作的架构，正在阵营二中涌现。

Mem0 — 53.1k Stars，品类之王

四个操作：添加、搜索、更新、删除。从对话中提取事实，按三个层级存储（用户级、会话级、Agent 级），通过混合搜索检索。

集成极其简单，Python 和 TypeScript SDK 都有，兼容一切。

局限：记忆是扁平条目，彼此之间没有关联。每次提取都需要一次 LLM 调用，质量完全取决于提取 prompt 的好坏。而且一旦存进去就不会演化——一月份的事实和四月份的事实并排躺着，系统不知道新的可能已经替代了旧的。

MemPalace — 46.2k Stars，逐字记忆派

不提取事实，而是逐字存储对话，组织成”翼”（实体）、”房间”（话题）、”抽屉”（原始内容）。用 ChromaDB 检索。

基准测试分数全场最高：LongMemEval 上纯语义搜索 96.6% 召回率，混合管线 98.4%，LLM 重排序 99%+。

局限：逐字存储线性增长。聊得越多，体积越大。没有压缩，没有综合。如果你的问题是”找到我三周前说的那句话”，这是最好的工具。但如果你的问题是”给我跨五个项目的当前工作状态”，它就力不从心了。

Supermemory — 21.8k Stars，会过期的记忆

明确打出口号：”记忆不是 RAG。”差异化在于时间感知——你说”我刚搬到旧金山”，它会覆盖你之前的城市。过期事实自动遗忘。用户画像结合稳定事实和近期活动，检索延迟约 50ms。

接入 Google Drive、Gmail、Notion、GitHub 等。跨 PDF、图片、视频、代码的多模态支持。

大多数阵营一的工具把事实当作永久的。Supermemory 把它们当作演化的。这是阵营一最接近思考”状态”而非仅仅”存储”的地方。

Honcho — 2.4k Stars，建模你的思维方式

把人类和 Agent 都视为统一模型中的”对等体”。后台运行异步推理服务，从会话中推导每个对等体的心理画像。不只是记住你说了什么，而是在建模你怎么思考。

OpenClaw — 358k Stars，文件即记忆

纯 Markdown 文件：MEMORY.md 存长期记忆，日记文件（YYYY-MM-DD.md）存运行上下文，DREAMS.md 存整合摘要。

文档里那句定义了整个哲学的话：“模型只’记住’保存到磁盘上的东西，没有隐藏状态。”

没有向量数据库，没有提取管线。就是 Agent 读写的文件。

最有趣的功能是”做梦”（Dreaming）：一个后台进程分三个阶段把日记整合进长期记忆：

• 浅睡眠：扫描日记，把相邻行分组成连贯块
• REM：加权回忆提升，频繁访问的信息变成”持久真理”
• 深睡眠：安全提升到 MEMORY.md，去重而非重复

只有通过所有阈值的条目才会被提升：最低分 0.8，最低回忆次数 3，最低独立查询数 3。六个加权信号给每个候选打分——相关性（0.30）、频率（0.24）、查询多样性（0.15）、时效性（0.15）、整合度（0.10）、概念丰富度（0.06）。

Zep — 4.4k Stars，品牌重塑的信号

Zep 最近把整个品牌定位从”记忆”改成了”上下文工程”（Context Engineering）。这一举动是整个领域里最强的市场信号——一个有融资、有 4.4k Star 的公司审视了行业走向，决定”记忆”这个词不足以描述他们在做的事。

底层用时序知识图谱（Graphiti 框架），事实带有 valid_at 和 invalid_at 时间戳，自动提取关系，返回针对 LLM 消费优化的预格式化上下文块，检索延迟低于 200ms。

Thoth — 145 Stars，架构最深的那个

小项目，但架构深度全场第一。构建个人知识图谱，10 种实体类型，67 种有向关系。FAISS 向量搜索 + 每次 LLM 调用前的单跳图谱扩展。

亮点是”梦境周期”——每夜四阶段处理：0.93+ 相似度阈值去重 → 从对话上下文丰富描述 → 推断共现实体间的关系 → 90 天以上关系的置信度衰减。

三层防污染机制防止跨实体事实渗透。145 颗星是因为大多数人还没准备好为自己的上下文搭建知识图谱。

MemSearch（Zilliz 出品）— 1.2k Stars，Markdown 优先

记忆就是 .md 文件，人类可读、可编辑、可版本控制。Milvus 作为”影子索引”运行，可完全重建。文件是真相来源，向量搜索只是上面的访问层。

值得注意的是，这来自 Zilliz——一个向量数据库公司。他们发布了一个记忆系统，其中自家产品反而排在文件后面。这本身就是对”真相来源在哪”的有力让步。

阵营一的循环：

对话发生 → 系统提取事实或存储内容 → 事实进入数据库 → 下次对话，相关事实被检索并注入

智能在提取和检索中。你跟 Agent 交互，记忆系统在幕后工作。你从不直接接触记忆，你信任系统会记住正确的东西、在正确的时机呈现。

阵营二的循环：

Agent 工作前读取结构化上下文 → Agent 在该上下文中工作 → Agent（或后台进程）写回结构化上下文 → 下次会话，上下文比之前更丰富

智能在累积中。上下文就是记忆。因为它是文件（Markdown、知识图谱、上下文容器），人可以读、可以改、可以纠正，并且精确地知道 Agent 知道什么。

阵营一优化的是召回：系统能找到正确的事实吗？

阵营二优化的是复利：系统会随时间变得更好吗？

从运行 24/7 Agent 的经验来看，趋势很清晰：记忆和上下文不是同一个问题。

我的 Agent 不需要”记住”我偏好深色模式。它需要在一个包含我活跃项目、合作伙伴、近期决策和昨天发生了什么的上下文中工作。而且这个上下文明天要比今天更丰富。

记忆后端解决召回问题。96%+ 准确率、低于 200ms 延迟、即插即用的 API。如果你需要一个聊天机器人记住用户偏好，Mem0 或 MemPalace 就够了。

但如果你在持续运行一个 Agent——一个在你睡觉时也在工作的 Agent，一个从你其他工具也写入的同一个知识库中读取的 Agent，一个在数周和数月内会显著变得更好的 Agent——上下文基底的方法才是让这一切运转的关键。

我的预测：6 个月内，”上下文工程”将替代”记忆”成为严肃 Agent 基础设施的默认用语。 构建基底式架构的项目会甩开那些仍在把问题框定为”事实存储”的项目。基准测试会被重写，或者新的测试将取代它们。

>

>