1.8 KiB
1.8 KiB
title, type, tags, sources, last_updated
| title | type | tags | sources | last_updated | |||||
|---|---|---|---|---|---|---|---|---|---|
| Memory-Backend | concept |
|
|
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
- 对话发生（conversation happens）
- 系统提取事实或存储内容（extract facts / store content）
- 事实进入数据库（向量、图或两者）
- 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