AI Agent 记忆系统深度调研 2026:从基础原理到企业级方案

文章目录

[AI Agent 记忆系统深度调研 2026:从基础原理到企业级方案](#AI Agent 记忆系统深度调研 2026:从基础原理到企业级方案)
- 一、大模型的"失忆症":问题的起点
- [二、分析框架:两种分类 + 三种操作](#二、分析框架:两种分类 + 三种操作)
- - [2.1 CoALA 四分法:认知架构的心智原型](#2.1 CoALA 四分法:认知架构的心智原型)
  - [2.2 Google 白皮书二分法:工程化压缩](#2.2 Google 白皮书二分法:工程化压缩)
  - [2.3 三种操作:抽取 / 更新 / 检索](#2.3 三种操作:抽取 / 更新 / 检索)
- [三、OpenClaw 朴素方案:用 Markdown 记笔记](#三、OpenClaw 朴素方案:用 Markdown 记笔记)
- - [3.1 三类记忆文件](#3.1 三类记忆文件)
  - [3.2 抽取触发点](#3.2 抽取触发点)
  - [3.3 检索机制](#3.3 检索机制)
  - [3.4 它的硬伤](#3.4 它的硬伤)
  - [3.5 OpenClaw 和 Hermes Agent 的关系](#3.5 OpenClaw 和 Hermes Agent 的关系)
- [四、CLI Agent 生态速览](#四、CLI Agent 生态速览)
- - [4.1 对比表](#4.1 对比表)
  - [4.2 AGENTS.md:CLI Agent 的事实标准](#4.2 AGENTS.md:CLI Agent 的事实标准)
- [五、EverOS / EverMemOS:企业级记忆操作系统](#五、EverOS / EverMemOS:企业级记忆操作系统)
- - [5.1 背景](#5.1 背景)
  - [5.2 论文三件套](#5.2 论文三件套)
  - [5.3 记忆分类:4 种 + 2 种的"6 种说法"](#5.3 记忆分类:4 种 + 2 种的"6 种说法")
  - [5.4 MemCell:所有记忆的原子单元](#5.4 MemCell:所有记忆的原子单元)
  - [5.5 三阶段工作流](#5.5 三阶段工作流)
  - [5.6 5 种检索模式(EverMemOS 官方 SDK 文档定义,注意与一些二手资料里的 4 种说法不同)](#5.6 5 种检索模式(EverMemOS 官方 SDK 文档定义,注意与一些二手资料里的 4 种说法不同))
  - [5.7 LoCoMo 上的成绩](#5.7 LoCoMo 上的成绩)
- 六、百家争鸣:主流方案横向对比
- - [6.1 Letta / MemGPT](#6.1 Letta / MemGPT)
  - [6.2 mem0](#6.2 mem0)
  - [6.3 Zep / Graphiti](#6.3 Zep / Graphiti)
  - [6.4 LangMem](#6.4 LangMem)
  - [6.5 Supermemory](#6.5 Supermemory)
  - [6.6 Memori](#6.6 Memori)
  - [6.7 其他值得一提](#6.7 其他值得一提)
  - [6.8 能力矩阵(心智对齐)](#6.8 能力矩阵(心智对齐))
- [七、Benchmark 争议:数字为什么靠不住](#七、Benchmark 争议:数字为什么靠不住)
- - [7.1 LoCoMo 是什么](#7.1 LoCoMo 是什么)
  - [7.2 Zep vs mem0 的互怼实录](#7.2 Zep vs mem0 的互怼实录)
  - [7.3 数字可信度清单](#7.3 数字可信度清单)
  - [7.4 实用建议](#7.4 实用建议)
- [八、如何选型:5 个典型场景的判断](#八、如何选型:5 个典型场景的判断)
- - [场景 A:个人 CLI 开发助手(Claude Code / Codex 生态)](#场景 A:个人 CLI 开发助手(Claude Code / Codex 生态))
  - [场景 B:单人长期陪伴型 Chatbot(心理/情感/教育)](#场景 B:单人长期陪伴型 Chatbot(心理/情感/教育))
  - [场景 C:企业级多租户 SaaS 助手(CRM / 客服)](#场景 C:企业级多租户 SaaS 助手(CRM / 客服))
  - [场景 D:多方协作 / 多 Agent 编排(含 Tanka 这类 IM 场景)](#场景 D:多方协作 / 多 Agent 编排(含 Tanka 这类 IM 场景))
  - [场景 E:Agent 框架研究 / 教学](#场景 E:Agent 框架研究 / 教学)
  - 决策速查表
- 九、未来展望:从"记笔记"到"主动重建"
- - [9.1 从被动到主动](#9.1 从被动到主动)
  - [9.2 记忆 + 技能的联合进化](#9.2 记忆 + 技能的联合进化)
  - [9.3 开放标准的汇流](#9.3 开放标准的汇流)
  - [9.4 可迁移的心智模型(送给读者)](#9.4 可迁移的心智模型(送给读者))
- 十、参考资料
- - 理论基础
  - [EverOS / EverMemOS](#EverOS / EverMemOS)
  - [LoCoMo Benchmark](#LoCoMo Benchmark)
  - 主流方案
  - [Benchmark 争议](#Benchmark 争议)
  - [CLI Agent 与标准](#CLI Agent 与标准)

查询日期: 2026-05-13 | 数据来源: arXiv / GitHub / 官方博客
摘要: 从 LLM 无状态 API 的"失忆症"讲起,沿 CoALA 四分法与 Google 白皮书二分法拆解记忆分类与三种操作,横向对比 OpenClaw、EverOS、Letta、Mem0、Zep、LangMem 等主流方案,给出选型建议与未来方向。

一、大模型的"失忆症":问题的起点

每一次调用大模型 API,你其实都是在跟一个"失忆者"说话。

模型侧没有会话状态,所有"记忆"都靠客户端把历史塞进 prompt 里送回去。上下文一满,旧内容被截断或压缩,模型就忘了你们几分钟前聊过什么。Claude Sonnet 4 / Gemini 2.5 Pro / GPT-5 这样的顶级模型也逃不开------它们只是记性不好的时间,被拖得更久一点而已。

几个你很可能已经遇到过的真实问题:

在 Claude Code 里跟 Agent 磨了半小时才对齐的项目架构约定,关掉终端重开,它又把你当陌生人。
你告诉 Cursor "我偏好 Tailwind 不要 styled-components",三天后它还是自动写出了一个 styled-components 组件。
用 Codex CLI 修复过的一个构建 bug,一个月后再次遇到同样的坑,它像从没见过一样重复踩。
你让 Gemini 记住 "我的生产数据库在 AWS eu-west-1",它当前会话记得,新开一个会话就再也没印象。
做 agentic workflow 编排时,上游 agent 推导出的关键事实,下游 agent 拿不到,只能靠你手工 copy-paste 当"二传手"。
你期待 Agent 能像一个团队成员那样"越用越熟悉我",但它更像个实习生,每天早上都从零开始自我介绍。

这些症状指向同一个缺口:LLM 有推理能力,但没有记忆基础设施。它不是不会算,而是不会记。

解决缺口的方向分两层:

单会话内: 上下文长了怎么办?通常靠压缩(rolling summary、sliding window、langchain 的 ConversationSummaryBufferMemory),让旧消息浓缩成摘要再续写。这是"短期记忆"。
跨会话: 会话之间的偏好、身份、事实、技能怎么留下来?需要外置存储 + 抽取 + 检索 + 更新的闭环。这是"长期记忆"。

短期记忆大部分 Agent 框架都解决得差不多了。真正的竞争和创新,发生在长期记忆这一层。

本文就是顺着这条主线,把 2026 年 5 月时点的记忆系统版图梳理一遍:从 CoALA / Google 白皮书的理论框架,到 OpenClaw 最朴素的 "记笔记" 方案,到 EverOS / MemGPT / Mem0 / Zep 这些企业级的"操作系统"级实现,最后给一个可操作的选型判断。

二、分析框架:两种分类 + 三种操作

要比较记忆系统,不能只看 feature list。先建立一个坐标轴。

2.1 CoALA 四分法:认知架构的心智原型

CoALA: Cognitive Architectures for Language Agents 是 Princeton 的 Sumers、Yao、Narasimhan、Griffiths 在 arXiv:2309.02427 上提出的框架,发表在 TMLR 2024(https://arxiv.org/abs/2309.02427)。

它把 Agent 的记忆切成四类:

Working memory(工作记忆)

当前推理所需的上下文,类似 CPU 寄存器,主要对应单会话 prompt。

Episodic memory(情景记忆)

过去发生过什么,带时间戳的"经历"------"昨天下午你让我改过一个 Python 脚本"。

Semantic memory(语义记忆)

稳定的、去时间化的事实------"你偏好 4 空格缩进"、"你的主仓库在 GitLab 自建实例上"。

Procedural memory(程序性记忆)

怎么做事的技能------如何调 CI、如何发版、如何检索代码库。

这个四分法成了后续研究的通用词汇,Letta、Zep、MemoryOS、Google 白皮书都直接引用或对齐。

2.2 Google 白皮书二分法:工程化压缩

Google "Context Engineering: Sessions, Memory" 白皮书于 2025-11 作为 AI Agents Intensive Course Day 3 发布,70+ 页,作者是 Antonio Gulli、Kimberly Milam 等 Google ADK 团队成员,PDF 可在 https://smallake.kr/wp-content/uploads/2025/12/Context-Engineering_-Sessions-Memory.pdf 下载。

它的定位是工程化视角,把 CoALA 四分压成了工程上更好落地的两分:

Session : 短期对话 + 工作内存,对应 Working Memory 和 Episodic 的近端部分,工程上包含 events_compaction_config、session-level compaction 等机制。
Memory : 跨会话的持久记忆,又内部切分:
- Declarative(knowing what): 包含 Semantic + 较远的 Episodic
- Procedural(knowing how): 对应 CoALA 的 Procedural

工程上,Google 把 Memory Manager 设计成解耦的独立服务,和 session 运行时分离。

CoALA 是学术词汇,Google 是工程落地。你在不同材料里看到两套说法时,记住它们是同一棵树:CoALA 给出四片叶子,Google 把叶子粘成两束,本质没变。

2.3 三种操作:抽取 / 更新 / 检索

记忆的分类只是静态视角。要让系统真正"活着",任何记忆系统都必须支持三件事:

抽取(Extraction): 从对话流里识别出值得记住的东西,并写到合适的分类里。可以是规则触发(上下文压缩前、/new /reset 命令)、可以是显式命令(用户说"记住这件事")、也可以是 Agent 自主判断。
更新(Update): 旧事实过时了怎么办?冲突怎么处理?用户说"我换工作了",旧的公司信息要怎样平滑过渡到新的?这是记忆系统里最难的一环。
检索(Retrieval): 推理时把相关记忆拉回 prompt 里。方式很多:关键词 BM25、向量相似度、混合检索、Reciprocal Rank Fusion 重排、甚至 LLM 主导的 agentic retrieval。

心智模型: 看任何一个记忆系统,只要回答两个问题------

记忆怎么分类? 每类存什么?

记忆怎么抽取/更新/检索?

把分类 × 操作两个维度搭成矩阵,你就可以快速看出一个方案的取舍在哪里。

三、OpenClaw 朴素方案:用 Markdown 记笔记

先从最简单的一档看起,它能让你把上面那个矩阵立刻跑一遍。

OpenClaw 是一个 CLI AI Agent,其记忆系统被 velvetshark 写成了一篇非常细致的 "Memory Masterclass"(https://velvetshark.com/openclaw-memory-masterclass)。它的整体设计非常符合 CoALA 的语义:

3.1 三类记忆文件

text 复制代码

~/.openclaw/workspace/
├── MEMORY.md                # 语义记忆:身份、偏好、稳定事实(约 20K 字符)
├── memory/2026-05-13.md     # 情景记忆-每日日志,按天组织,只加不删
├── memory/2026-05-12.md
├── memory/snapshots/...     # 情景记忆-会话快照,/new /reset 触发
└── DREAMS.md                # 开放脑暴区

所有记忆都是人类可读的 Markdown 。你可以 cat、可以 git commit、可以手工编辑。没有黑盒。

3.2 抽取触发点

OpenClaw 的写入时机非常明确:

对话即将压缩时 → 沉淀为当天的每日日志。
/new 或 /reset 命令 → 生成会话快照,总结最后约 15 条有意义的消息。
用户明确要求 "记住这件事" → 直接写入 MEMORY.md。

这比完全自动化的方案更透明,也更可控------但代价是遗漏。

3.3 检索机制

启动时自动注入 : 每个新会话开始,MEMORY.md + 今天/昨天的每日日志会被直接拼到系统 prompt 里。
按需召回 : Agent 发现缺信息时,调 memory_search(关键词 + 向量融合,底层是 SQLite FTS5 + 向量索引)和 memory_get。

3.4 它的硬伤

OpenClaw 官方文档自己承认的三个问题:

很费 Token : 每一轮都要把 MEMORY.md 重新注入,长期用下来,20K 字符 × 每轮 = 20-30% 的 token 预算被记忆占掉。
丢了就是丢了: Markdown 文件如果没有 git 备份,手滑一删就永远找不回来。没有数据库层的保护。
经常遗忘东西: 抽取决策全靠 LLM 自己判断,判断错就漏记,而且没有事后回顾补救的机制。

3.5 OpenClaw 和 Hermes Agent 的关系

Hermes Agent(https://github.com/NousResearch/hermes-agent)是 OpenClaw 风格的一个"进化版",把记忆放到 ~/.hermes/memories/MEMORY.md(默认 2200 字符)+ USER.md(1375 字符),体量大幅收缩。

Hermes 的关键优化是冷冻快照 + 前缀缓存友好------session 启动时对记忆做一次冷冻,之后不再变动,配合 KV-cache 可以把重复注入的成本显著降下来。

Hermes 还提供 hermes claw migrate 命令,用于从 OpenClaw 工作区一键迁移到 Hermes 目录结构,方便已有用户切换。

根据社区统计,Hermes Agent 社区相当火热:

Stars: ~79,900(2026-05-03)
Commits: 4,095+
创建时间: 2025-07-22
Release: 8 个
通讯平台: 15+(Telegram / Discord / Slack / WhatsApp / Signal / 飞书 / WeCom 等)
模型提供商: 10+(包括小米 MiMo)
子仓库: GitHub 上 68+ 相关仓库

四、CLI Agent 生态速览

OpenClaw 不是孤例。2025-2026 年是 CLI Agent 记忆机制集中化、标准化的一年。我们把主流 CLI Agent 的记忆机制并排列出来。

4.1 对比表

CLI Agent	记忆文件位置	是否自动累积	跨会话	特色
Claude Code (Anthropic)	`CLAUDE.md` 四层(managed/user/project/local) + auto memory `MEMORY.md`(v2.1.59+)	有,auto memory 默认开,前 200 行 / 25KB 入上下文	文件 + compact 重注入	外部 import 首次授权,managed 策略不可绕过
Codex CLI (OpenAI)	`AGENTS.md`(沿 git 根 → cwd 叠加)+ `~/.codex/memories/` 自动	有,异步,闲置 ~6h 触发,两段式 LLM 挑 + 合并,30 天未召回淘汰	文件持久化	上限 32 KiB 硬截断;EEA/UK/CH 地域合规限制
Cursor (Anysphere)	旧 `.cursorrules` + 新 `.cursor/rules/*.mdc` + Memories(UI 管理)	Memories 需用户批准入库	文件 + 云	社区反馈 Memories 作用域实现与文档描述不一致
Gemini CLI (Google)	`~/.gemini/GEMINI.md` + 项目 + 子目录层级	命令行 `/memory add` 和 `save_memory` 工具写入全局	文件	支持 `@path.md` import
OpenClaw	`~/.openclaw/workspace/` MEMORY.md + 日志 + 快照 + DREAMS.md	压缩/`/new`/`/reset` 触发	文件 + SQLite FTS5 + 向量	每轮重注入,透明但 20-30% tokens 成本
Hermes Agent	`~/.hermes/memories/MEMORY.md`(2200)+ USER.md(1375)	类似 OpenClaw 触发	冷冻快照 + session_search	冷冻快照 ,前缀缓存友好;`hermes claw migrate` 可迁移 OpenClaw

来源:

Claude Code: https://code.claude.com/docs/en/memory
Codex Best Practices: https://developers.openai.com/codex/learn/best-practices
Cursor 讨论: https://forum.cursor.com/t/rules-vs-memories-and-global-vs-project/137149
Gemini CLI: https://geminicli.com/docs/cli/tutorials/memory-management/
OpenClaw Masterclass: https://velvetshark.com/openclaw-memory-masterclass

4.2 AGENTS.md:CLI Agent 的事实标准

主流 CLI Agent 在格式上已经悄悄收敛到一个开放标准:AGENTS.md。

托管: Linux Foundation 下的 Agentic AI Foundation
起源: OpenAI Codex、Amp、Google Jules、Cursor、Factory 联合发起
覆盖: 截至 2026-05,60,000+ 开源项目已采用
兼容工具(23 个): Codex、Jules、Factory、Aider、goose、opencode、Zed、Warp、VS Code、Devin、UiPath、Junie、Amp、Cursor、RooCode、Gemini CLI、Kilo Code、Phoenix、Semgrep、GitHub Copilot、Ona、Windsurf、Augment Code
URL: https://agents.md/

这是一个重要信号:AGENTS.md 已经不再是某家 CLI 的私货,而是跨平台的 Agent "README"。你写一份 AGENTS.md,所有主流工具都能读。

另一个相关的开放标准是 agentskills.io ,GitHub 上已有 31+ 仓库 采用,从 Hermes 专属演变为跨平台 Skill 交换协议,兼容 Claude Code、GitHub Copilot、Codex CLI、Cursor、Gemini CLI 等 20+ 平台。

五、EverOS / EverMemOS:企业级记忆操作系统

CLI Agent 的朴素笔记派好处是透明,坏处是低效。往前一步,就出现了"操作系统级"的记忆方案。其中讨论度最高、数字最猛的是 EverOS。

5.1 背景

仓库: https://github.com/EverMind-AI/EverOS
Stars: ~4.5K--4.7K (2026-05-13 实测,近期有小幅波动)+ 姊妹仓 MSA 3.4K
License: Apache-2.0
语言: Python 94.4%
最近 commit: 2026-05-06
母公司: Shanda Group(盛大),陈天桥 1999 年创立;EverMind AI 注册在加州 SAN MATEO
已落地: Tanka(盛大自家 AI-native 消息 App)
2026 Q1 与 OpenAI 合办 Memory Genesis Competition,奖金 $80K+

陈天桥本人对这个方向的定位很直白:

"Memory will become the core competitiveness and turning point for future AI apps and is also the key for AI to evolve from a 'tool' to an 'intelligent agent' and from passive response to proactive evolution."

------ 陈天桥微信视频号, 2025-11-17

5.2 论文三件套

EverMemOS : arXiv:2601.02163(2026-01-05),"Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning",11 位作者,包括 Chuanrui Hu、Xingze Gao、Lidong Bing、Yafeng Deng 等(https://arxiv.org/abs/2601.02163)
HyperMem: arXiv:2604.08256,超图三层记忆架构(https://arxiv.org/abs/2604.08256)
EverMemBench: arXiv:2602.01313,自研多方协作对话评测基准(https://arxiv.org/abs/2602.01313)

论文的一句核心 thesis:

"structured memory organization than on brute-force context expansion"

------ 与其野蛮扩上下文,不如结构化组织记忆。这也是 EverOS 整套设计的出发点。

5.3 记忆分类:4 种 + 2 种的"6 种说法"

论文权威 定义 4 种 memory types:

Type	含义
`episodic_memory`	事件和对话的叙述性记忆(Episode)
`event_log`	从情景中抽取的原子事实(EventLog)
`foresight`	带有效时间区间 [tstart, tend] 的预测性记忆(Foresight)
`profile`	渐进构建的用户画像(Stable Traits + Temporary States)

附加记忆(非论文权威,但官方 blog 提及):

Cases: Agent trajectory 记录
Skills: 反复模式蒸馏而来的可复用技能

因此你会看到一些社区文档/第三方博客说 EverOS 有"6 种记忆 "------这个说法来自 blog 而非论文 。严格来说是 4 种 memory types + Cases + Skills 两类额外实体,引用时要注明差异,以免误导。

5.4 MemCell:所有记忆的原子单元

EverMemOS 把所有记忆统一封装成一个四元组:

text 复制代码

MemCell = (E, F, P, M)
          Episode, atomic Facts, foresight Predictions, Metadata

也就是说,一个"情景"不是孤立的文本,而是伴随着:

E: 事件本身(谁、什么时候、发生了什么)
F: 从事件抽取的原子事实(可单独检索、可与其他事实 join)
P: 对未来的预测(比如"用户说下周要发版",就是一个 foresight)
M: 元数据(时间戳、会话 ID、来源、置信度等)

这个结构让记忆本身就是一个微型知识图谱的节点,为后续的合并、冲突检测、时序查询打好底子。

小结:从 5.1 背景到 5.4 的 MemCell 四元组,我们看到了 EverOS 区别于朴素笔记的基石。接下来 5.5-5.7 展开的是动态流程与实测表现。

5.5 三阶段工作流

论文原话:

"Episodic Trace Formation converts dialogue streams into MemCells... Semantic Consolidation organizes MemCells into thematic MemScenes... Reconstructive Recollection performs MemScene-guided agentic retrieval to compose the necessary and sufficient context for downstream reasoning."

翻译成工程语言就是三步:

Episodic Trace Formation: 对话流 → MemCell。一边聊一边把每一段值得记的"情景"压成 MemCell。
Semantic Consolidation: MemCell → MemScene(主题场景),并更新用户画像。多个相关 MemCell 被聚合为主题场景,矛盾在此阶段被识别和解决。
Reconstructive Recollection : MemScene 引导的 agentic 检索,主动重建上下文。推理时不是"拉一堆相关文档回来",而是 LLM 主导地、多轮地重新构造出"当前任务最需要的上下文"。

举个 Semantic Consolidation 的例子:用户昨天说"我每天跑步 5 公里",今天说"我这周开始改成游泳,每周三次"------系统需要在 MemScene 这一层知道这是"运动偏好"这个主题的状态变更,而不是两条互相冲突的原子事实并置。

5.6 5 种检索模式(EverMemOS 官方 SDK 文档定义,注意与一些二手资料里的 4 种说法不同)

来源: OpenClaw EverMemOS Plugin 文档

模式	说明
keyword	BM25 精确匹配
vector	语义向量相似度
hybrid	keyword + vector 组合
rrf	Reciprocal Rank Fusion 重排
agentic	LLM-guided 反复搜索

注意:一些二手介绍里会说"4 种检索模式",实际以 5 种为准。

5.7 LoCoMo 上的成绩

在 GPT-4.1-mini backbone 下,EverMemOS 论文 Table 1:

系统	Single Hop	Multi Hop	Temporal	Open Domain	Overall	Avg Tokens
MemoryOS	67.30	59.34	42.26	59.03	60.11	5.5k
Mem0	68.97	61.70	58.26	50.00	64.20	1.0k
MemU	74.91	72.34	43.61	54.17	66.67	4.0k
MemOS	85.37	79.43	75.08	64.58	80.76	2.5k
Zep	90.84	81.91	77.26	75.00	85.22	1.4k
EverMemOS	96.67	91.84	89.72	76.04	93.05	2.3k

超 Zep +7.83 pts ,超 Mem0 +28.85 pts。

LongMemEval-S : EverOS 83.00% / Zep 63.8% / Mem0 49.0%(来自 evermind.ai 博客)

⚠️ 重要说明 : 上述分数均为自评数据,尚无第三方复现。下一节的 Benchmark 争议里我们会具体讨论这类数字该怎么看。

六、百家争鸣:主流方案横向对比

市场上记忆系统的玩家远不止 EverOS 一家。下面把 2026 年 5 月时点的主流选手一一过一遍。

6.1 Letta / MemGPT

论文: MemGPT , arXiv:2310.08560(https://arxiv.org/abs/2310.08560),Packer et al, UC Berkeley, 2023
商业化: Letta , Felicis 领投 $10M seed
核心理念: OS 虚拟内存思想 ,Core / Recall / Archival 三层 memory
Agent 被暴露 memory_insert / memory_search 等函数,自己决定什么时候换页
GitHub: https://github.com/letta-ai/letta
Stars: ~21K(2026-05-13), Apache 2.0
定价: Free / $20 /$ 200 / 自定义
LoCoMo: 官方未公布,第三方估 ~83.2%

6.2 mem0

论文: arXiv:2504.19413(2025-04, ECAI 2025)
融资: YC + $24M Series A(2025-10)
GitHub: https://github.com/mem0ai/mem0
Stars: ~55.6K(2026-05-13,所有记忆系统里最高)
架构: Mem0(向量) + Mem0g(有向标记图)
LoCoMo 自评: 论文初版 66.9% ,2026 新算法对外声称提升至 ~91% ,第三方复现 62.47%
定价: Free 1K/月 → Pro $249/mo(图功能需 Pro)

6.3 Zep / Graphiti

论文: arXiv:2501.13956(2025-01, https://arxiv.org/pdf/2501.13956)
创始: Daniel Chalef
核心: 时序知识图谱 ,bi-temporal(真实时间线 + 摄入时间线)
事实带 valid_from / valid_to / invalid_at 窗口,是所有开源方案里时序语义最完整的之一
子图三层: episode / semantic entity / community
后端: Neo4j / FalkorDB / Kuzu
Graphiti 开源: https://github.com/getzep/graphiti,Stars ~24K(2026-05-13); Zep Cloud 闭源
LoCoMo 自评: 原论文最初报 84.4% ,后修正为 75.14% ;Mem0 复现仅 58.44%
LongMemEval: 63.8% (GPT-4o),baseline +18.5% ,延迟 -90%

6.4 LangMem

发布: 2025-02,LangChain 官方出品
GitHub: https://github.com/langchain-ai/langmem
Stars: ~1.4K(2026-05-13), MIT
三类: semantic / procedural / episodic
运行时: Hot-path tools + 后台 memory manager
LoCoMo 第三方测: 78.05%

6.5 Supermemory

融资: $3M(2025-10)
闭源 API-first,含 SuperRAG + 图谱
LongMemEval ~70%
定价: Free / Pro $19 / Scale$ 399
客户: Cluely、Nissan、Composio

6.6 Memori

白皮书: arXiv:2603.19935(2026-03, https://arxiv.org/abs/2603.19935)
结构化: semantic triples + session summaries
LoCoMo 自评: 81.95%(无第三方复现)
Token 成本: full-context 的 4.98%
文档: https://memorilabs.ai/docs/memori-cloud/benchmark/results/

6.7 其他值得一提

MemOS (MemTensor) : 开源自演化 OS, OpenClaw 插件,LoCoMo 80.76 (论文测)/ 75.80 (自测),LongMemEval baseline +40.43%
MemU (NevaMind-AI) : 文件系统式分层记忆,PostgreSQL / in-memory,LoCoMo 自报 92.09%(自评,无第三方复现)
MemoryOS (EMNLP 2025) : OS 段页式分层 + 热度驱动淘汰
Honcho (Plastic Labs) : Hermes 集成的辩证式用户建模,正题/反题/合题

6.8 能力矩阵(心智对齐)

把上面这些玩家压到一张矩阵里,你会看到三档:

分层	代表	设计哲学	优点	代价
朴素笔记派	OpenClaw / Hermes / Claude Code / Codex / Cursor / Gemini	Markdown 文件 + 手动/半自动抽取	透明、可 git、零基础设施	费 token、易丢、容易忘
结构化存储派	Letta / Mem0 / Zep / LangMem	向量 / 图 / 分层 DB,半自动抽取	稳定、可查询、便宜	碎片化、冲突处理靠人调
生命周期派	EverOS / MemoryOS / MemU	MemCell 四元组 + MemScene + 主动重建	精细、自演化	复杂、自评数据、黑盒风险

不是"谁更好",是"匹配不同场景"。

七、Benchmark 争议:数字为什么靠不住

上面一堆数字看着清爽,实际上 2025-2026 年的记忆系统 benchmark 吵得很凶。

7.1 LoCoMo 是什么

全称: Lo ng-term Co nversational Memory(不是 "Long Conversation Memory")
论文: arXiv:2402.17753(2024-02, https://arxiv.org/abs/2402.17753)
机构: Snap Research(Snapchat 母公司)
会议: ACL 2024 长文
项目主页: https://snap-research.github.io/locomo/
代码: https://github.com/snap-research/locomo - 821 stars
数据规模: 50 对话 ,每对话平均 300 turns / ~9K tokens / 最多 35 sessions
任务: QA(Single-hop / Multi-hop / Temporal / Open-domain / Adversarial)+ 事件图摘要 + 多模态对话
指标: F1-score(QA) + MM-Relevance(多模态)

理论上它是评测"长期对话记忆"最权威的公共 benchmark。实际上,大家的 LoCoMo 分数都是自评。

7.2 Zep vs mem0 的互怼实录

回合一:mem0 论文(2025-04)

宣称: Zep 拿 65.99% ,Mem0 66.9%,Mem0 胜。

回合二:Zep 反驳(2025)

Zep 发博客 "Lies, Damn Lies, and Statistics..."(https://blog.getzep.com/lies-damn-lies-statistics-is-mem0-really-sota-in-agent-memory/)。
指控: mem0 实验里错用 role_type="user" 给对话双方,导致 user graph 崩坏。
Zep 用正确实现应为 75.14%(原文最初错报 84.4%,后修正)。

回合三:mem0 再反驳(GitHub Issue)

https://github.com/getzep/zep-papers/issues/5
声明: 完全遵照 Zep 官方 DMR 示例实现。
重新评估 Zep 只有 58.44%。

一眼结论: 两家自报的 LoCoMo 分数差距完全可以被实现细节颠倒------这不是 SOTA 之争,是 benchmark 设计之争。

中立第三方(Atlan)评价:

"both claiming SOTA, both questioning each other's methodology --- signaling that evaluation methodology itself is immature rather than a clear winner."

------ atlan.com/know/zep-vs-mem0/

翻译: 两家都宣称 SOTA,都质疑对方方法论,这个信号更像是评估方法论本身不成熟,而不是有个明确的赢家。

7.3 数字可信度清单

系统	声称 LoCoMo	第三方复现	备注
EverMemOS	92.3% / 93.05%	无	自评,尚无第三方复现
Mem0	67% → 91.6%	62.47%	自评,有争议
Zep	75.14% → 58.44%	双向自评	看谁家的实现
Letta	---	~83.2%	官方未公布
MemoryOS (EverMemOS 论文复现)	60.11	---	论文自评
MemOS	80.76 / 75.80	---	自评
MemU	92.09%	---	自评
Memori	81.95%	---	自评
LangMem	---	78.05%	---

EverMemOS 的挑战: 目前仅有论文自评数据,论文发表 4 个月内尚无独立团队复现,企业用户在生产环境前务必用自己业务数据 POC 重测。自评 93.05% 的绝对值虽高,但只能作为"量级信号"而非"选型终点"。

还需警觉的是:EverMemBench(arXiv:2602.01313)由 EverOS 同一团队自研,自报 SOTA 的同时掌握测试集设计权。benchmark 的独立性问题比"谁跑分高"更值得警惕。

7.4 实用建议

不要把 LoCoMo / LongMemEval 分数直接拿来选型。建议:

把 benchmark 分数当作方向性信号------"上了 80% 的大概都在一个量级",细差异不必纠结。
用自己业务数据重测。准备 50-200 条真实对话,做 memory write + query 的 end-to-end eval,这比任何公共榜单都说明问题。
关注延迟和 token 成本。Zep 宣称 LongMemEval 延迟 -90%,Memori 宣称 token 成本 4.98%------这些数字更难作弊,信息量更大。

八、如何选型:5 个典型场景的判断

把分类(朴素笔记 / 结构化存储 / 生命周期)和操作(抽取 / 更新 / 检索)搭配到业务场景上,常见选型如下。

场景 A:个人 CLI 开发助手(Claude Code / Codex 生态)

推荐: 直接用 Agent 自带的 AGENTS.md / CLAUDE.md 机制,按四层优先级组织(managed / user / project / local)。

理由: 文件可 git,透明可审计,token 成本可控(< 32 KiB 截断)。别给单机 CLI 引入向量数据库,边际收益低。

场景 B:单人长期陪伴型 Chatbot(心理/情感/教育)

推荐 : Mem0 Pro 或 Supermemory Pro,或自建 LangMem。

理由: 需要长期稳定的"画像 + 情感上下文",结构化存储派够用。Mem0g 的图功能在"人际关系链"这种任务上有差异化。

场景 C:企业级多租户 SaaS 助手(CRM / 客服)

推荐 : Zep 或 Letta 自建。

理由 : 时序非常关键(订单状态、合同有效期),Zep 的 bi-temporal 设计正好对上;合规和租户隔离需求下,Letta 的 OS 思想 + 开源可自部署是硬优势。EverOS 也值得跟进,但因为自评数据未复现,建议先做 POC 再决定。

场景 D:多方协作 / 多 Agent 编排(含 Tanka 这类 IM 场景)

推荐 : EverOS / EverMemOS,配合 EverMemBench 评测。

理由 : 这正是 EverOS 的 sweet spot------多方对话会产生相互冲突的事实和预测(A 说周三发版、B 说周四),MemCell 的 foresight 带时间区间 + Semantic Consolidation 阶段的矛盾识别正好对上。这是结构化存储派做不到的。如果你做的就是 AI-native 消息类产品,EverOS 是目前架构最成型的选手,尽管数字需要自测验证。

已知风险: EverOS 的 93.05% 为论文自评,尚无第三方复现,生产前建议用自己业务数据 POC 重测。

场景 E:Agent 框架研究 / 教学

推荐 : OpenClaw + MemoryOS + LangMem 对比跑。

理由: OpenClaw 让你看清"记忆系统的最朴素形态是什么",MemoryOS 让你理解段页式 + 热度淘汰,LangMem 让你看清 LangChain 生态怎么跟 Memory Manager 解耦。三者合起来是一套极好的入门教学组合。

决策速查表

text 复制代码

需求 → 推荐方案

透明 / 可 git / CLI 场景        → OpenClaw / Claude Code / Codex (AGENTS.md)
个人长期陪伴 / 简单 CRUD         → Mem0 / Supermemory / LangMem
企业多租户 / 时序敏感 / 合规      → Zep / Letta
多方协作 / 自演化 / 前沿探索      → EverOS / MemoryOS
教学 / 研究 / 构建自己的记忆系统   → OpenClaw + MemoryOS + LangMem 混合研究

九、未来展望:从"记笔记"到"主动重建"

梳理完这些方案后,你能看到一条清晰的演进路径。

9.1 从被动到主动

OpenClaw 是"Agent 自己做笔记给自己看"。EverOS 是"记忆系统主动重建上下文给 Agent 看"。这两者差了一整层------前者的被动等同于 RAG,后者的主动接近于 Thinking-as-Retrieval。

未来的趋势几乎肯定是"主动重建"这条路。Reconstructive Recollection、Agentic Retrieval、MemScene-guided 查询------这些词汇会变成记忆系统的标配。

9.2 记忆 + 技能的联合进化

记忆不是终点。EverOS 的 Cases + Skills、LangMem 的 procedural 记忆、Hermes 生态的 agentskills.io 都在指向同一件事:记忆和技能应当联合进化。

记忆(Memory): 我知道什么。
技能(Skill): 我会做什么。

好的 Agent 系统,应当能从情景记忆中蒸馏出可复用的技能(procedural),从历史执行中提取出 Cases(经验)。这是一个"记忆 → 技能 → 执行 → 新记忆"的飞轮。

落地层面:在 EverOS 里体现为 Cases → Skills 的蒸馏管线;在 LangMem 里体现为 procedural memory 的 prompt 模板演化。但两者都需要批量历史数据作为冷启动,不是上线第一天就能跑的。

9.3 开放标准的汇流

AGENTS.md: 23 个工具、60k+ 项目、Linux Foundation 托管。Agent 的 "README" 已经统一。
agentskills.io: 20+ 平台采用,从 Hermes 专属演变为跨平台 Skill 交换协议。
CoALA → Google 白皮书: 学术和工程的描述正在收敛。

这意味着未来几年,记忆系统的上下游接口会逐步标准化------Agent 侧读什么、写什么、以什么格式存,会变成工业界共识。真正的竞争会从"我用什么记忆架构"转移到"我对记忆内容的理解质量有多高"。

9.4 可迁移的心智模型(送给读者)

两个问题搞懂任何 Agent 记忆系统:

记忆怎么分类? 每类存什么?

记忆怎么抽取/更新/检索?
三层演进:

OpenClaw: 朴素笔记 - 透明但低效

企业级(Letta / Zep / Mem0): 结构化存储 - 稳定但碎片

EverOS 及未来: 生命周期 + 主动重建 - 精细但黑盒

不是"谁更好",是"匹配不同场景"。

当你面对任何新冒出来的 Memory 方案,拿这两个问题 + 三层演进套上去,十分钟内就能搞清楚它的位置和取舍。

示例: 用这两个问题分析 LangMem------分类是 semantic / procedural / episodic,抽取是 hot-path tools + 后台 memory manager,检索看底层向量存储配置。取舍:透明度高、生态粘 LangChain,深度场景可能不够用。

十、参考资料

理论基础

CoALA: Sumers et al., "Cognitive Architectures for Language Agents", arXiv:2309.02427, TMLR 2024, https://arxiv.org/abs/2309.02427
Google 白皮书: Gulli, Milam et al., "Context Engineering: Sessions, Memory", 2025-11, 70+ 页, https://smallake.kr/wp-content/uploads/2025/12/Context-Engineering_-Sessions-Memory.pdf

写在最后 : 2026 年 5 月这个时间点,记忆系统领域处于"理论清晰、标准收敛、工程验证尚未到位"的阶段。benchmark 数字看看就好,真正的选型要回到你自己的业务场景和数据。这篇文章提供的不是一个排行榜,而是一副坐标系------让你在下一个新 Memory 方案出现时,十分钟就能把它放进去。

AI Agent 记忆系统深度调研 2026:从基础原理到企业级方案