Auto-sync: 2026-04-28 12:03

wiki/concepts/Memory-Backend.md

@@ -1,41 +1,46 @@
----
-title: "Memory Backend"
-type: concept
-tags: [ai-agent, memory, architecture, vector-db]
-last_updated: 2026-04-23
----
-
-## Definition
-AI Agent 记忆工具的技术路线之一（Camp 1）。从对话中提取事实，存入向量数据库（和/或图数据库），下次对话时检索相关事实并注入上下文。
-
-## Core Philosophy
-**"What should the AI remember?"**（而非 Camp 2 的 "what context should the AI work inside?"）
-
-- 智能集中在**提取**和**检索**阶段。
-- 人类与 Agent 交互，记忆系统幕后运行。
-- 用户从不直接触碰记忆——信任系统记住正确的事情并在正确的时间召回。
-
-## Fundamental Loop
-```
-Conversation → System extracts facts or stores content →
-Facts go into database (vector, graph, or both) →
-Next conversation: relevant facts retrieved and injected
-```
-
-## Representative Tools
-- **[[Mem0]]**（53.1k stars）：四操作（add/search/update/delete），三层存储（user/session/agent），混合检索，集成最简单
-- **[[MemPalace]]**（46.2k stars）：逐字存储，ChromaDB，wings/rooms/drawers 组织，LongMemEval 96.6% 召回率
-- **[[Supermemory]]**（21.8k stars）：时序感知（过期事实自动遗忘），多模态连接器，MemoryBench 声称领先
-- **[[Honcho]]**（2.4k stars）：人/Agent 统一对等体模型，异步推理推导心理洞察，PostgreSQL + pgvector
-- 其他：Cognee（图数据库+向量搜索）、Memori（API 调用拦截，81.95% @ 4.97% context tokens）
-
-## Limitations
-1. **记忆是扁平条目**——条目之间没有关系
-2. **提取质量依赖 LLM prompt**——garbage in, garbage out
-3. **事实不进化**——1月的事实和4月的事实并存，不知道谁取代了谁
-4. **无法真正复合增长**——系统只是在累积条目，不是在变得更聪明
-
-## Relationship to Context Substrate
-- [[Context Substrate]]（Camp 2）代表不同哲学：上下文文件本身才是记忆，而非从对话中提取的条目
-- Supermemory 的时序感知和 Honcho 的心理洞察，代表 Camp 1 向 Camp 2 边界的演进
-- GitHub 上 450+ repos 标记"agent-memory"，几乎都属 Camp 1 路线
+---
+title: "Memory-Backend"
+type: concept
+tags: [AI-Memory, Memory-Backend, Vector-DB, Fact-Recall]
+sources: [ai-memory-tools-two-camps]
+last_updated: 2026-04-15
+---
+
+## Definition
+AI 记忆工具的 Camp 1 范式。从对话中提取事实并存储到向量数据库（或图数据库），检索相关事实并注入下一轮对话。问的核心问题是"**AI 应该记住什么？**"
+
+## Core Loop
+1. 对话发生（conversation happens）
+2. 系统提取事实或存储内容（extract facts / store content）
+3. 事实进入数据库（向量、图或两者）
+4. 下一对话，相关事实被检索并注入
+
+## Optimization Goal
+**召回精度（recall）**——系统能否找到正确的事实？
+
+## Representative Tools
+- [[Mem0]]：53.1k stars，类别领导者，四操作 API
+- [[MemPalace]]：46.2k stars，本地优先，逐字记忆，96.6% 召回率
+- [[Supermemory]]：21.8k stars，时间感知，自动覆盖过期事实
+- [[Honcho]]：2.4k stars，对等体模型，心理洞察
+
+## Common Characteristics
+- 从对话中提取"事实"（fact extraction）
+- 存储在向量/图数据库
+- 检索时注入上下文
+- 人类不直接与记忆交互
+- 信任系统记住正确的事并在正确时间检索
+
+## Limitations
+- 记忆是扁平条目，条目间无关系
+- 每次提取需 LLM 调用，质量依赖提取提示词
+- 存储后不演进，无法处理新旧事实冲突
+- 无法支撑持续、多会话、多项目的 Agent 运行
+
+## Connections
+- [[Context-Substrate]] ← 对立阵营 ← Memory-Backend
+- [[Mem0]] ← 属于 ← Memory-Backend
+- [[MemPalace]] ← 属于 ← Memory-Backend
+- [[Supermemory]] ← 属于 ← Memory-Backend
+- [[Honcho]] ← 属于 ← Memory-Backend
+- [[ai-memory-tools-two-camps]] ← 来源 ← Memory-Backend 是 @witcheer 提出的分类框架中的 Camp 1