title, type, tags, sources, last_updated
| title |
type |
tags |
sources |
last_updated |
| Context-Substrate |
concept |
| AI-Memory |
| Context-Substrate |
| File-Native |
| Compounding |
|
| ai-memory-tools-two-camps |
|
2026-04-15 |
Definition
AI 记忆工具的 Camp 2 范式。维护结构化、人类可读的上下文，跨会话累积。不提取"事实"——上下文本身就是文件。问的核心问题是"AI 应该在什么上下文中工作？"
Core Loop
- Agent 工作前读取结构化上下文
- Agent 在上下文中工作
- Agent（或后台进程）写回结构化上下文
- 下一会话，上下文比之前更丰富
Optimization Goal
复合增长（compounding）——系统是否随时间变得更好？
Representative Tools
- OpenClaw：358k stars，MEMORY.md + 每日笔记 + DREAMS.md，Dreaming 三阶段
- Zep：4.4k stars，从"Memory"重品牌为"Context Engineering"，TKG 时间知识图谱
- Thoth：145 stars，10 实体类型 + 67 关系，Dream Cycle 四阶段
- TrustGraph：2.0k stars，Context Cores 版本化容器
- MemSearch：1.2k stars，Markdown 优先，Milvus 影子索引
- ALIVE：文件原生，零依赖，@witcheer 自用方案
Common Characteristics
- 文件（Markdown、知识图谱）是上下文本身
- 人类可读、可编辑、可版本控制
- 跨会话累积，不替换而是丰富
- 后台整合进程（Dream Cycle）定期提炼
- 透明度高：人类能准确知道 Agent 知道什么
Key Contrast with Memory-Backend
| 维度 |
Memory Backend |
Context Substrate |
| 问的问题 |
AI 应该记住什么？ |
AI 应该在什么上下文中工作？ |
| 处理对象 |
提取的"事实" |
结构化上下文文件 |
| 人类可读 |
否 |
是 |
| 随时间演进 |
否（静态条目） |
是（复合累积） |
| 透明度 |
低（黑盒） |
高（文件可见） |
| 优化目标 |
召回精度 |
复合增长 |
| 适用场景 |
单轮问答 |
持续多会话 Agent |
Connections
