---
title: "AI Memory Tools：两大阵营的深度解析"
type: source
tags: []
date: 2026-04-15
---

## Source File
- [[raw/Agent/AI-Memory-Tools-Two-Camps.md]]

## Summary

- 核心主题：AI Agent 记忆工具的两大技术路线
- 问题域：如何让 AI Agent 在多会话中保持长期记忆和上下文
- 方法/机制：
  - Camp 1：记忆后端（Memory Backend）— 从对话中提取事实，存入向量数据库，检索时提取
  - Camp 2：上下文基质（Context Substrate）— 维护结构化、可读的文件式上下文，随时间累积
- 结论/价值：Camp 2 更适合持续运行、多项目、多会话的 AI Agent 架构

## Key Claims

- 记忆后端（Camp 1）问："AI 应该记住什么？"
- 上下文基质（Camp 2）问："AI 应该在什么样的上下文中工作？"
- Camp 1 优化的是"召回"（Recall）：能否找到正确的事实？
- Camp 2 优化的是"累积"（Compounding）：系统是否随时间变得更好？

## Key Quotes

> "The model only 'remembers' what gets saved to disk, there is no hidden state." — OpenClaw 文档

> "Within 6 months, 'context engineering' will replace 'memory' as the default term for serious agent infrastructure."

## Key Concepts

- [[记忆后端]]：从对话中自动提取事实，存储到向量数据库（Mem0、MemPalace、Supermemory）
- [[上下文基质]]：维护结构化文件作为长期上下文，随时间累积（OpenClaw、Zep、Thoth）
- [[记忆召回]]：检索特定事实，Mem0 等 Camp 1 工具解决的问题
- [[上下文累积]]：系统随使用时间增长而变聪明，Camp 2 的核心价值
- [[DAM]] — Dream Consolidation Process，OpenClaw 的夜间自动整理机制

## Key Entities

- [Mem0](entities/Mem0.md)：Camp 1 类别领导者，53.1k GitHub stars
- [MemPalace](entities/MemPalace.md)：本地优先、逐字存储方式，46.2k stars
- [Supermemory](entities/Supermemory.md)：时间感知记忆，21.8k stars
- [OpenClaw](entities/OpenClaw.md)：358k stars，Camp 2 代表，采用 Markdown 文件式上下文
- [Zep](entities/Zep.md)：4.4k stars，从"记忆"重新定位为"上下文工程"，已靠近 Camp 2
- [Thoth](entities/Thoth.md)：145 stars，夜间 dream cycle 最复杂的架构
- [TrustGraph](entities/TrustGraph.md)：2.0k stars，Context Cores 概念，上下文版本化

## Connections

- [[Mem0]] ← depends_on ← [[向量数据库]]
- [[OpenClaw]] ← extends ← [[Markdown 文件]]
- [[Zep]] ← uses ← [[时序知识图谱]]
- [[Thoth]] ← uses ← [[Dream Cycle]]
- [[DAM]] ← depends_on ← [[记忆提取]] — 夜间整理，将高频信息提升为持久记忆

## Contradictions

- **与 Mem0 类工具冲突**：
  - Camp 1 观点：事实应该被提取、嵌入、存储为向量
  - Camp 2 观点：事实应该保留在原始上下文中，作为文件的一部分
  - 当前观点：文件即真相，向量索引只是访问层而非存储层（MemSearch 的架构）