2.9 KiB
2.9 KiB
title, type, tags, date
| title | type | tags | date |
|---|---|---|---|
| AI Memory Tools：两大阵营的深度解析 | source | 2026-04-15 |
Source File
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：Camp 1 类别领导者，53.1k GitHub stars
- MemPalace：本地优先、逐字存储方式，46.2k stars
- Supermemory：时间感知记忆，21.8k stars
- OpenClaw：358k stars，Camp 2 代表，采用 Markdown 文件式上下文
- Zep：4.4k stars，从"记忆"重新定位为"上下文工程"，已靠近 Camp 2
- Thoth：145 stars，夜间 dream cycle 最复杂的架构
- TrustGraph：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）