---
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