长期记忆

大模型学习笔记：LangChain核心组件-记忆（memory）模型本身是没有记忆的，它记不住历史的会话内容，我们需要通过技术手段，帮助模型记住会话历史，产生记忆。LLM 本身是无状态（stateless）的： -每次对话都是独立请求

AI Agent 记忆系统深度调研 2026:从基础原理到企业级方案查询日期: 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。

OpenClaw实操指南20｜记忆系统实战：别让你的AI用完就忘，短期+长期记忆配置指南AI 最让人抓狂的一个问题：你昨天跟它说过的事，今天它全忘了。每次对话都要重新交代背景，重新说明偏好，重新解释上下文。用久了，感觉不是在用助手，是在用一个失忆的工具。

团子和二花

Mem0 源码解析系列（一）：记忆是如何被添加的这是 Mem0 源码解析系列的第一篇文章。我们将深入探讨 Mem0 的核心功能——记忆添加机制，理解其背后的设计思路和实现细节。

赋予AI真正的“长期记忆”：开源大模型记忆操作系统 MemOS 深度解析与实战在人工智能的快速发展中，大语言模型（LLM）展现出了惊人的理解和生成能力。然而，无论是 ChatGPT 还是开源的 Llama、Qwen，它们在实际应用中都面临着一个致命的痛点——“金鱼记忆”。

【OpenClaw -07】OpenClaw 记忆系统：三层记忆架构与 Daily Notes 机制标签：OpenClaw、记忆架构、RAG、Embedding、上下文管理、长期记忆在构建生产级 AI Agent 时，一个常被低估的架构难题是状态持久化。无状态的 LLM 调用虽然简单，但无法形成累积性的用户理解；而粗暴的全量历史拼接又很快会触达 Token 上限。OpenClaw 的记忆系统通过分层存储架构与智能归档机制，在上下文窗口限制与长期记忆能力之间建立了工程化的平衡。本文将从架构实现角度，拆解 OpenClaw 的三层记忆模型、Daily Notes 持久化机制、语义检索配置策略以及多会话隔离

深度智能体-长短期记忆创建深度智能体时，如果不配置持久化存储，缺省使用基于状态的持久化后端。此时，文件系统保存在状态中，对话结束保存在其中的数据将丢失。为了跨线程共享数据，可以使用混合持久化后端，把不同路径的文件分别保存在状态中或者本地文件系统或数据库中。

风中凌乱的小精灵

[论文阅读] |智能体长期记忆与反思写在前面：10月份的时候，联发科天玑9400发布，搭载这款旗舰 5G 智能体 AI 芯片的荣耀MagicOS9.0实现了一句话让手机自动操作美团点咖啡。很快商场实体店里便能看到很多品牌手机已经升级为智能体语音助手。下一步，这些智能体或许便能结合长期交互记忆，挖掘表面行为背后的深层模式(例如偏好)。本文整理前段时间调研的智能体基于长期记忆进行反思的几篇论文。

我是有底线的