---
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