Agent Memory 全景盘点：从 ChatGPT 的「做梦」到 Claude 的文件系统，2026 年主流智能体记忆架构深度拆解

Agent Memory 全景盘点从 ChatGPT 的「做梦」到 Claude 的文件系统2026 年主流智能体记忆架构深度拆解发布日期2026-08-14 阅读时长约 35 分钟 版本v1.0信息截至 2026 年 8 月中旬标签#AgentMemory#ContextEngineering#LLM#AI架构#RAG#知识图谱一句话摘要本文以「编码—存储—检索—更新—遗忘」五段式生命周期为骨架系统盘点 OpenAI、Anthropic、Google、Manus 四大产品阵营以及 LettaMemGPT、Mem0、Zep/Graphiti、LangMem、MemOS 五大开源基础设施的 Agent Memory 设计并给出评测基准、安全攻击面与工程选型决策树。目录为什么 Memory 是 2026 年 Agent 的必争之地理论基础认知科学映射与统一分类法设计空间五个可正交拆解的维度产品阵营闭源巨头们的记忆设计基础设施阵营五大开源记忆框架解剖上下文工程阵营Manus 的「反记忆」哲学横向对比总表评测基准LOCOMO 之后记忆有了度量衡安全与治理记忆层是最危险的攻击面工程选型决策树与落地清单趋势预判2026 下半年到 2027FAQ 与参考资料一、为什么 Memory 是 2026 年 Agent 的必争之地大模型的原生设计是**无状态stateless**的每一次 API 调用都是一次从零开始的计算。上下文窗口32K2M tokens 不等本质上只是「工作记忆」一旦跨会话、跨天、跨任务Agent 就会集体「失忆」调试了一下午修好的 Bug第二天再遇到同类问题Agent 毫无印象长周期任务跑到第 10 步Agent 忘了前 9 步做了什么多 Agent 协作时每个 Agent 都是一座「记忆孤岛」。行业在 2026 年达成了三个共识推理能力在被快速攻克记忆才是真正的瓶颈。Sam Altman 在 2026 年初的访谈中直言当前 AI 的记忆还处在「GPT-2 时代」强个性化记忆将成为核心护城河。Agent 的竞争从「单轮智能」转向「跨 session 累积、跨任务复用、攻防对抗」而这三件事全都发生在记忆层。记忆从「功能特性」升级为「基础设施」。2025 年底以来Mem0、Letta、Zep、Cognee、MemOS、MemoryScope、Memobase、SuperMemory、TiMem、GBrain……「Mem ×」框架批量涌现记忆已经成为一个独立赛道。一句话总结2024 年卷上下文窗口2025 年卷工具调用2026 年卷记忆。二、理论基础认知科学映射与统一分类法2.1 从人脑到 Agent记忆类型的映射目前工业界普遍采用认知科学的记忆分层模型来组织 Agent Memory人类记忆类型Agent 中的对应物典型实现工作记忆Working Memory当前上下文窗口Prompt 中的消息历史、state语义记忆Semantic Memory「我知道什么」事实与偏好用户画像、KV 事实库、知识图谱情景记忆Episodic Memory「我经历过什么」具体事件与经验历史会话、任务轨迹、失败案例程序性记忆Procedural Memory「我会做什么」技能与规则系统提示词迭代、Rules 文件、SkillsLangChain/LangMem 是这套映射最忠实的工程化实践者而 2026 年 6 月前后Anthropic、OpenAI、Google DeepMind 等团队的多层记忆模型也基本收敛到了「短期 / 长期 / 语义 / 情景 / 程序性」的五层结构。2.2 学术界的统一分类法Forms / Functions / Dynamics2026 年影响力最大的综述论文《Memory in the Age of AI Agents: A Survey》提出了一个三维分类法本文的盘点框架即以此为基础形式Forms记忆以何种技术形态存在——原始文本、摘要、向量、知识图谱、文件、模型参数、激活/KV 缓存功能Functions记忆扮演什么角色——事实检索、经验复用、人格一致性、技能沉淀动态Dynamics记忆如何演化——编码Encoding、存储Storage、检索Retrieval、巩固Consolidation、遗忘Forgetting。2.3 记忆的五段式生命周期无论哪家实现都可以抽象为同一个闭环┌─────────────────────────────────────────────────┐ │ ▼ 对话/轨迹 ──▶ [编码] ──▶ [存储] ──▶ [检索] ──▶ [注入上下文] 抽取 向量/图/文件 召回 │ 摘要 KV/参数 排序 ▼ 实体抽取 分层归档 渐进披露 [推理生成] │ ◀────── [巩固/遗忘] ◀───────────────┘ 冲突消解、时序失效、压缩、删除后续所有产品的差异本质上都是在这五段中做了不同的取舍。三、设计空间五个可正交拆解的维度在盘点具体产品前先给出本文的分析坐标系。任何一个 Agent Memory 方案都可以用以下五个维度定位维度一记忆的表示形式原始文本块RAG 式→ 自然语言摘要 → 结构化三元组/知识图谱 → 文件系统Markdown/目录树→ 参数化写进权重/激活。规律表示越结构化检索越精准、写入成本越高表示越接近自然语言泛化越好、冲突越难管理。维度二写入时机——同步热路径 vs 异步冷路径同步Hot Path对话进行中实时抽取写入延迟高但即时可用异步Background会话结束后后台批处理整理OpenAI 称之为Dreaming做梦Letta 称之为Sleep-time ComputeLangMem 称之为Reflection。2026 年的明显趋势热路径只做轻量缓冲重活全部下沉到异步巩固——这与人类睡眠巩固记忆的机制惊人一致。维度三检索策略——全量注入 vs 按需召回 vs 渐进披露全量注入把记忆摘要直接拼进系统提示早期 ChatGPT按需召回查询时向量/图检索 Top-K渐进披露Progressive Disclosure先给模型一张「目录」需要时再读具体文件——这是 Anthropic 在 Claude Opus 5 时代的主流设计。维度四冲突消解与时序感知用户三个月前说「我在北京」昨天说「我搬去上海了」。是覆盖、追加还是让旧边失效代表方案Zep/Graphiti 的双时间模型bi-temporal 边失效edge invalidationOpenAI Dreaming V3 的陈旧性检测。维度五用户可控性能否查看、编辑、删除记忆能否导出迁移这既是产品问题也是合规问题GDPR 被遗忘权。四、产品阵营闭源巨头们的记忆设计4.1 OpenAIChatGPT从「保存记忆」到「做梦 V3」ChatGPT 的记忆系统是所有大厂中迭代最勤、公开信息最完整的完整经历了四个阶段阶段时间机制特点与问题Saved Memories2024.04 起用户显式说「请记住 X」模型调用工具写入记忆条目依赖用户主动提示条目少而碎Reference Chat History2025.04 起自动引用过去聊天记录作为记忆来源首次摆脱「请让我记住」的强提示Dreaming V02025.04 起引入后台进程在不打扰用户的前提下从历史对话中自动筛选、整理记忆条目作为 Saved Memories 的补充缓解记忆陈旧问题Dreaming V32026.06.04 发布将 Dreaming 升级为完整底层记忆架构重构为「能记、会用、记不过时」面向亿级用户、多年使用周期做工程优化Dreaming V3 的三个设计重点据 OpenAI 官方博客及多家媒体报道记忆过时Staleness治理例如用户计划「下周六生日派对」到了周日系统不应再把其当作未来事件。V3 引入时间感知的记忆有效性判断准确性与冲突消解对相互矛盾的记忆条目做合并、更新、删除规模化降本官方称新系统算力开销降至原来的约 1/5——记忆系统在亿级 DAU 下的推理成本本身就是一门生意。发布节奏先向美国 Plus/Pro 用户开放逐步覆盖 Free 与 Go 用户。产品层面保留用户在设置页查看、编辑、删除记忆的完整控制权并支持切回传统手动保存模式。点评OpenAI 的路线是典型的「异步巩固派」——把记忆整理当成一个离线/近线的数据管道问题来做。Sam Altman 将其定位为「终极杀招」方向明确个性化记忆 用户迁移成本 护城河。4.2 AnthropicClaude 系文件系统即记忆Anthropic 是「文件派」的旗手其记忆设计散落在四条产品线上但哲学高度一致① API 层Memory Tool Context Editing2025.09随 Claude Sonnet 4.5 发布Context Editing允许在长任务中主动清理上下文中过时的工具输出腾出窗口空间Memory Tool给模型一组memory文件操作工具创建/读取/编辑/删除文件由模型自主决定把什么信息存到客户端提供的存储后端。Anthropic 明确建议文件系统是记忆的载体模型像程序员管理代码库一样管理自己的记忆。配合 Sonnet 4.5 将长任务持续执行能力从 7 小时拉升到 30 小时这套组合拳直接瞄准「多日跨度的自主 Agent」。② Claude.ai 消费端Classic Memory → 双模记忆2026 年 3 月Claude Memory 全量开放2026 年 5 月社区曝出 Anthropic 正在测试「双模记忆系统Dual-mode Memory」经典记忆对话摘要条目之外新增Memory Files——文件式记忆架构被外界解读为迈向「永生 Agent」的关键一步。③ Claude Managed Agents记忆即共享文件平台级 Managed Agents 的记忆以文件形式持久化可被单个或多个 Agent 跨会话访问并支持通过 API 导出。多 Agent 共享记忆不再依赖中心化数据库而是共享一个「记忆目录」——简单到离谱也好用到离谱。④ Claude Opus 5 系统提示词泄露揭示的「渐进披露」记忆2026 年 8 月初泄露的 Opus 5 系统提示词约 2049 行显示Claude 的记忆检索流程为当前问题 ──▶ 先读记忆目录只有标题一句话描述 ──▶ 判断是否相关 ──▶ 相关才调用 memory_read 加载正文 ──▶ 不相关则完全不加载这是**渐进披露Progressive Disclosure**的经典应用目录常驻、正文按需在上下文成本与召回率之间取得了极佳的平衡。4.3 Claude CodeCLAUDE.md Auto Memory 的六层体系作为 2026 年最成功的编码 AgentClaude Code 的记忆体系值得单独拆解。截至 v2.1.1672026 年 6~7 月它实际由两套互补机制、六个层级构成机制层级性质内容CLAUDE.md企业策略级 / 用户级~/.claude/CLAUDE.md/ 项目级 / 子目录级人写的规则Procedural代码规范、命令约定、架构约束Auto MemoryMEMORY.md 等项目级自动记忆目录AI 写的经验Episodic→Semantic调试经验、构建命令、踩坑记录关键演进2026 年 2 月底v2.1.59上线 Auto Memory——Claude 在会话中自动把值得沉淀的信息构建命令、架构约定、调试经验写入本地记忆文件下次任意会话自动加载。社区的评价一针见血以前是「你写规则给它看」现在是「它自己记笔记给自己看」。CLAUDE.md 只能写规则写不了经验Auto Memory 补上的正是经验这一环。这也揭示了编码 Agent 记忆设计的一个普适规律程序性记忆规则适合人类显式编写情景/语义记忆经验适合 Agent 自动沉淀。4.4 GoogleGemini生态数据 记忆可携带Google 的打法与 OpenAI、Anthropic 都不同核心是用生态数据换记忆深度Personal Intelligence / 个人上下文在用户授权下Gemini 的记忆上下文源不止于聊天记录而是打通 Gmail、Google 相册、搜索历史与过往 Gemini 对话。记忆的「原料」维度上Google 拥有全行业最厚的数据层记忆导入Memory Import2026 年 3 月允许用户把 ChatGPT、Claude 中的记忆、偏好与聊天历史一键导入Gemini。操作方式颇具行为艺术感——系统生成一段提示词你把它粘贴给旧助手让它吐出自己的记忆再喂给 Gemini。点评记忆导入是一次精准的生态战术——把「记忆积累」这个最大的迁移成本直接击穿。它同时预示了一个行业议题记忆可携带权Memory Portability很可能成为下一代 AI 产品的标配甚至进入监管视野。五、基础设施阵营五大开源记忆框架解剖如果说产品阵营决定了「记忆的天花板」那么开源基础设施阵营决定的就是「记忆的平均水位」。以下是截至 2026 年 8 月最主流的五套方案。5.1 Letta前身 MemGPT操作系统范式出身UC Berkeley 2023 年 10 月的 MemGPT 论文2024 年 9 月团队成立 Letta 公司并融资 1000 万美元Jeff Dean 参投是 Agent Memory 领域当之无愧的「祖师爷」。核心思想——虚拟上下文管理Virtual Context Management完全类比操作系统的虚拟内存。LLM 的上下文窗口是「物理内存」外部存储是「磁盘」Agent 通过自主调用工具完成「页面调度」┌─────────────── Context Window主存───────────────┐ │ System Prompt │ Core Memory Blocks │ In-context Msgs │ │ │ ├─ persona 块 │ 工作缓冲区 │ │ │ ├─ human 块 │ │ └───────┬───────┴────────┬───────────┴────────┬────────┘ │ 自编辑(core_memory_replace) │ ▼ ▼ Recall Storage对话历史库 Archival Storage归档向量库 ▲ search_messages ▲ archival_insert/search └────────── Agent 自主换页 ─────────┘设计要点Memory Blocks结构化记忆模块区分 Persona人格、Human用户画像、任务上下文等且 Block 可被多个 Agent 共享——天然支持多 Agent 记忆协同自编辑记忆模型通过 function call 主动改写 core memory是「Agent 自己管理自己记忆」的最早工程实现Sleep-time Agents2025 年后推出的睡眠代理在用户不活跃时后台重放对话、重组记忆与 OpenAI 的 Dreaming 异曲同工模型无关 存算分离记忆数据与模型解耦可随时切换 LLM 供应商。适用需要透明、可审计、有状态长周期 Agent 的团队代价是概念多、上手曲线陡。5.2 Mem0轻量抽取管道范式定位「给任何 Agent 加一层记忆」的最快路径主打多层级用户级 / 会话级 / Agent 级记忆的全生命周期管理也是融资声量最大的记忆创业公司之一。核心流水线每次add()调用时Mem0 对对话做两步处理抽取Extract用小模型从对话中提炼出候选事实更新Update对每条候选事实与既有记忆做 LLM 判定输出四种操作之一ADD# 新信息直接写入UPDATE# 与旧记忆相关合并/改写DELETE# 与旧记忆矛盾删除旧的NOOP# 无新增价值忽略frommem0importMemory mMemory()m.add(messages[{role:user,content:我上个月换工作了新公司在杭州}],user_idalice)# 若旧记忆有 alice 常驻北京管道会自动触发 UPDATE/DELETEMem0-gGraph 版将记忆保存为知识图谱实体-关系-实体三元组增强多跳推理与关联召回。数据与争议Mem0 论文宣称在 LOCOMO 上相对 OpenAI 原生记忆有显著提升约 26%、延迟降低约 91%、token 节省 90%。但注意独立基准机构 Cognee 的复现研究显示不同方案在同一 LOCOMO 数据集上差异显著且小规模测试波动大——跑分要信一半。适用需要快速上线个性化助手的团队。优势是接入简单、API 优雅局限是缺乏自动层级归纳超长周期记忆管理偏弱。5.3 Zep / Graphiti时序知识图谱范式定位企业级记忆层论文《Zep: A Temporal Knowledge Graph Architecture for Agent Memory》是记忆领域被引用最多的工程论文之一。核心创新——双时间模型Bi-temporal。每条记忆边同时携带两组时间戳事件时间t_valid / t_invalid事实在现实世界中何时成立摄取时间t_created / t_expired系统何时知道这条事实。当新事实与旧事实矛盾「用户从 A 公司跳槽到 B 公司」Graphiti 不删除旧边而是执行边失效edge invalidation——给旧边打上t_invalid。这让系统既能回答「用户现在在哪家公司」也能回答「用户去年这个时候在哪家公司」——时序推理能力是所有框架中最强的。架构三要素Episode情节消息、JSON、文档统一抽象为增量输入单元增量构建无需全图重建新数据实时入图这是相对传统 GraphRAG 的致命优势混合检索语义 BM25 图遍历cosine rerank论文称 DMR 基准 p95 延迟比 MemGPT 低约 90%。适用需要精确时间线、事实频繁变化的企业场景CRM、合规、医疗随访。局限图数据库依赖Neo4j/FalkorDB/Kuzu部署与调优成本高。5.4 LangMem / LangGraph认知科学映射范式定位LangChain 生态的原生记忆层深度绑定 LangGraph 状态机。设计骨架短期记忆 Thread 内状态由 LangGraphCheckpointer按 thread_id 持久化对应一次会话/任务的工作记忆长期记忆 跨 Thread Store按(user_id, namespace)隔离的 KV/向量存储存用户目标、偏好与已确认事实三类长期记忆对齐认知科学语义记忆 → 用户画像与事实Profile情景记忆 → 历史任务轨迹与 few-shot 案例Episodes程序性记忆 →动态改写系统提示词Prompt 本身成为可学习的记忆载体。两条写入路径Hot Path会话中同步抽取create_memory_managerBackground会话后反思Reflection生成摘要与经验。fromlangmemimportcreate_memory_manager managercreate_memory_manager(openai/gpt-4o,instructions抽取用户偏好与约束)memoriesawaitmanager.ainvoke({messages:conversation_history})适用已经在 LangGraph 技术栈内的团队语义/情景/程序三分类非常利于架构沟通脱离 Lang 生态则优势尽失。5.5 MemOS记忆操作系统学术前沿出身上海交通大学 浙江大学团队 2025 年提出的「记忆操作系统」是把 Memory 抽象成 OS 级资源的学术代表作。核心抽象——MemCube统一的记忆封装单元内部可承载三种形态的记忆并支持形态间转换记忆形态载体特点明文记忆文本/KV可解释、可编辑、可审计激活记忆KV Cache / 激活张量注入快、成本敏感参数记忆LoRA 等权重增量容量大、但黑盒、更新昂贵MemOS 提供记忆的调度、迁移、合并与权限管理类比进程管理与内存分页。它的意义不在于今天落地了多少业务而在于预演了「记忆成为一等公民资源」之后的系统形态——明文记忆可以「编译」成参数记忆参数记忆可以「解压」回明文这种形态转换是其他框架尚未触及的维度。5.6 其他值得关注的名字Cognee以「记忆管线 本体ontology」构建可解释记忆同时运营独立记忆评测A-MEM受 Zettelkasten卡片盒笔记法启发的自组织记忆网络记忆条目自动建立链接并演化MemoryScope / Memobase / TiMem / EverMemOS / SuperMemory分别在用户画像深度、时序优化、端侧部署等细分点做差异化的开源项目GBrainYC CEO Garry Tan 开源的个人记忆引擎用正则规则替代部分 LLM 抽取来构建知识图谱其 benchmark 显示「混合检索 图谱」相对纯向量 RAG 的召回提升巨大P5 从 ~18 提升到 ~49claude-mem社区为 Claude Code 补长期记忆的轻量插件代表了「给现成 Agent 外挂记忆」这一生态位。六、上下文工程阵营Manus 的「反记忆」哲学与「外挂记忆库」相对还有一条被验证有效的路线不建记忆库把一切塞回上下文本身。代表是 Manus 联合创始人季逸超 2025 年 7 月发布的《Context Engineering for AI Agents》复盘博客历经四次重构、数百万真实交互后的经验总结。其核心观点围绕模型构造记忆与流程而不是重新训练模型——上下文工程让产品迭代以小时计KV-Cache 命中率是生命线。输入前缀越稳定缓存命中率越高成本与延迟越低。由此衍生出一系列反直觉设计Append-only上下文只追加、不重写。想「遗忘」某段内容时用掩码遮蔽而非删除因为删除会破坏前缀稳定性、击穿 KV 缓存保留错误失败的工具调用不删除——它们既是情景记忆也是模型自我纠错的素材状态外置到文件系统把任务状态写成todo.md这类文件通过反复复读与改写来「强迫」模型保持注意力。文件充当外部记忆同时利用 KV 缓存比向量检索更适合短周期高强度任务永远给模型留「面包屑」长任务中任何恢复点都要可被模型从上下文中重建。两条路线的本质区别外挂记忆库Mem0/Zep/Letta上下文工程Manus 式记忆位置外部存储检索注入上下文本身 文件系统适用周期跨天跨月的长期关系单任务数天的高强度执行成本模型检索成本 写入管道KV Cache 命中率典型失误召回不准上下文污染、注意力衰减生产级的成熟 Agent 往往两者兼用短周期靠上下文工程长周期靠记忆层。七、横向对比总表信息截至 2026-08-14。标注 ★ 者为该维度上的标杆。方案阵营表示形式写入机制检索策略时序/冲突处理用户可控性最佳场景ChatGPTDreaming V3产品摘要条目★ 异步后台巩固注入按需陈旧性检测★ 查看/编辑/删除亿级消费助手Claude.ai / Memory Tool产品★ 文件系统模型自主写文件★ 渐进披露模型编辑文件文件级可控长任务 Agent、企业Claude Code产品Markdown 文件人写规则AI 自动笔记目录按需加载文件合并★ Git 友好编码协作Gemini产品条目生态数据自动导入注入基础★ 记忆可携带/导入多模态个人助理Letta (MemGPT)开源框架Blocks归档库★ Agent 自编辑Sleep-time工具化换页覆盖式全透明可审计有状态长周期 AgentMem0开源框架事实条目/图(Mem0-g)抽取ADD/UPDATE/DELETE向量图LLM 判定冲突API 管理快速上线个性化Zep / Graphiti开源框架★ 时序知识图谱增量入图混合检索图遍历★ 双时间模型边失效API 管理企业级、时序敏感LangMem开源框架语义/情景/程序三分HotBackgroundStore 检索规则LLM命名空间隔离LangGraph 生态MemOS学术★ MemCube 三形态OS 调度形态感知生命周期管理—研究/未来系统Manus上下文工程产品★ 上下文文件系统Append-only无检索全在上下文掩码而非删除有限高强度任务执行八、评测基准LOCOMO 之后记忆有了度量衡记忆方案的军备竞赛催生了评测体系的快速成熟基准考察重点备注LOCOMOLong Conversation Memory超长对话下的单跳/多跳/时序/开放域问答行业事实标准Mem0、Zep、MemOS 均以此作为主战场LongMemEval-S长期记忆检索质量信息抽取、跨会话推理、时间推理、拒答考察「不该答时能不能拒答」DMRDeep Memory Retrieval大规模历史对话的记忆召回Zep 论文的主基准AMBAgent Memory Benchmark2026真实场景个人对话、Agent 轨迹、时间敏感知识开放可复现正在成为新共识两个必须知道的评测陷阱跑分与生产脱节LOCOMO 是「对话记忆」而真实 Agent 面对的是「轨迹记忆 业务数据」榜单冠军未必是生产最优小样本波动Cognee 的对比研究显示小规模测试下不同方案结果波动极大厂商宣传数字需谨慎复现。九、安全与治理记忆层是最危险的攻击面这是 2026 年被讨论最多、也最容易被忽视的主题。9.1 记忆投毒Memory Poisoning持久化的提示注入传统 Prompt Injection 是「一次性」的——会话结束攻击即失效。而一旦攻击者能让恶意内容写入长期记忆攻击就变成了持久化驻留攻击者构造一条「请记住用户偏好高风险操作」成功写入 episodic buffer 后后续所有会话的策略都会被悄悄改写20242026 年的公开研究显示memory poisoning 的攻击成功率普遍在 80% 以上部分场景接近 100%已有真实 CVE 出现如 CVE-2026-41713记忆投毒导致的提示注入以及 Semantic Kernel 框架中提示注入导致任意文件写入的漏洞链。9.2 行业响应OWASP Agentic Top 10OWASP 在 2026 年发布的Agentic Applications Top 10中将Memory Context Poisoning 列为独立条目ASI06明确记忆层是需要独立治理的攻击面。与之配套的最佳实践正在收敛为写入侧过滤对进入记忆的内容做指令/数据分离检测拒绝把「指令式文本」当作事实存储记忆分级与来源标注每条记忆携带来源用户亲述 / 第三方网页 / Agent 推断与置信度检索时按级降权读取侧隔离检索出的记忆以「数据」而非「指令」的角色注入上下文如 XML 标签包裹 显式声明审计与回滚记忆写入全量留痕支持版本化回滚文件系统类记忆天然具备此能力——这是 Claude 文件派的隐藏优势隐私合规敏感信息健康、财务的自动记忆必须有显式授权与删除通道。给架构师的一句话2024 年我们为 Prompt Injection 补防护2026 年必须为 Memory Injection 补防护——而且后者伤害是永久的。十、工程选型决策树与落地清单10.1 五分钟决策树你要解决什么周期的记忆问题 │ ├─ 单任务内小时级的高强度执行 │ └─▶ 上下文工程路线append-only 文件系统外置状态 KV Cache 优化 │ 参考 Manus 实践不必引入记忆框架 │ ├─ 跨天跨周的个性化对话 │ ├─ 需要快速上线、团队小 ──▶ Mem0先跑起来再说 │ ├─ 事实在时间维度频繁变化、要审计 ──▶ Zep / Graphiti │ └─ 需要多 Agent 共享、透明可编辑 ──▶ Letta │ ├─ 企业知识 对话 业务数据混合 │ └─▶ 时序知识图谱Graphiti 既有 RAG 双轨并行 │ ├─ 编码类 Agent │ └─▶ 分层 Markdown 文件人写 Rules AI 写经验笔记 │ Claude Code 模式Git 即版本控制与审计 │ └─ 自建基座、面向未来 └─▶ 关注 MemOS 形态转换思路明文 ↔ 激活 ↔ 参数10.2 生产落地十条军规先做减法简单事实存储 足够强的模型能解决 80% 的问题别一上来就上图谱写入异步化热路径只做缓冲巩固下沉到后台Dreaming/Sleep-time 已成行业共识永远带时间戳没有 valid/invalid 时间的记忆三个月后必然变成谎言源冲突策略显式化覆盖、追加、失效三种策略要可配置且默认保守记忆要可看、可改、可删这既是信任问题也是合规底线为遗忘设计记忆系统的删除路径和写入路径同样重要来源标注 分级检索这是抵御记忆投毒的第一道防线控制注入预算渐进披露优于全量注入给记忆留 token 预算上限评测用自己的数据LOCOMO 冠军不等于你的业务冠军用真实会话构建私有评测集记忆即资产资产要备份文件系统方案的 Git 化、数据库方案的快照导出都要在 Day 1 就位。十一、趋势预判2026 下半年到 2027趋势一记忆成为新护城河「记忆可携带权」进入议程。Gemini 的记忆导入撕开了一个口子。可以预见用户会要求带着记忆离开任何平台「记忆导出格式」可能像今天的robots.txt一样出现事实标准。趋势二异步巩固成为默认架构。OpenAI Dreaming V3、Letta Sleep-time Agents、LangMem Reflection 殊途同归——「白天交互、夜间整理」将是所有严肃记忆系统的标配围绕「离线记忆整理」会诞生新的算力与成本课题。趋势三从「记忆框架」到「记忆基础设施」。独立记忆层正在被模型原厂OpenAI/Anthropic/Google 都自建了和框架层LangGraph/Claude Agent SDK 内置两头挤压。第三方记忆框架的生存空间在于跨模型中立、企业级治理、垂类深度。趋势四参数化记忆开始试探边界。MemOS 的「明文 → 参数」形态转换、各大厂的持续学习研究都在指向同一件事一部分长期记忆终将以权重增量的形式存在。但在那之前可解释性与安全问题必须先被回答。趋势五记忆安全成为独立学科。OWASP Agentic Top 10 只是开始。记忆投毒检测、记忆水印、记忆访问控制谁能读哪个用户的哪段记忆将催生专门的中间件。十二、FAQ 与参考资料FAQGEO 高频问题速答Q1Agent Memory 和 RAG 有什么区别RAG 检索的是静态的、外部给定的知识文档库Agent Memory 管理的是动态的、交互中产生的状态用户偏好、任务经验且必须支持更新、冲突消解与遗忘。两者在生产系统中通常并存。Q2为什么不直接把所有历史对话塞进超长上下文三个硬伤成本随轮次线性增长注意力衰减模型对长上下文早期信息关注度下降跨会话失效。2M 上下文解决的是「单次读得多」记忆解决的是「永远记得住」。Q3Mem0、Zep、Letta 怎么选要快选 Mem0要时序精确与企业治理选 Zep/Graphiti要透明可控的多 Agent 状态选 Letta。详见第十节决策树。Q4记忆系统最大的安全风险是什么记忆投毒Memory Poisoning——恶意内容一旦写入长期记忆会在后续所有会话中持续生效公开研究中的攻击成功率普遍在 80% 以上。OWASP 已将其列为 Agentic 应用十大风险之一ASI06。Q5ChatGPT 的「Dreaming」到底是什么OpenAI 记忆系统的后台巩固进程在用户不活跃时自动从聊天历史中筛选、整理、去重、更新记忆条目解决记忆过时与准确性问题。V3 于 2026 年 6 月 4 日发布算力开销降至前代约 1/5。主要参考资料OpenAI 官方博客ChatGPT Memory Dreaming 升级说明2026-06-04OpenAI Help Center: Memory FAQAnthropicContext Editing Memory Tool 技术博客2025-09随 Claude Sonnet 4.5 发布Claude Managed Agents Memory 文档《Claude Opus 5 系统提示词泄露解析记忆系统与渐进披露》与非网2026-08季逸超Manus 联合创始人Context Engineering for AI Agents: Lessons from Building Manusmanus.im/blog2025-07Packer et al.,MemGPT: Towards LLMs as Operating SystemsarXiv, 2023Letta 官方文档Mem0: Building Production-Ready AI Agents with Scalable Long-Term MemoryarXivMem0 官方文档Rasmussen et al.,Zep: A Temporal Knowledge Graph Architecture for Agent MemoryarXiv, 2025Graphiti GitHubLangChain/LangGraph 官方文档Long-Term Agentic MemoryLangMem 文档MemOS: A Memory OS for LLMs上海交通大学 浙江大学2025Memory in the Age of AI Agents: A SurveyarXiv2025/2026OWASP,Top 10 for Agentic Applications2026FreeBuf《AI Agent 记忆层为什么成了 2026 最危险的攻击面》2026-07AMB: Agent Memory Benchmarkagentmemorybenchmark.aiCognee 记忆方案对比报告智东西/36氪/澎湃新闻关于 ChatGPT Dreaming V3、Claude 双模记忆、Gemini 记忆导入的报道2026-03 2026-06结语两年前我们讨论 Agent 时问的是「它有多聪明」现在我们问的是「它记得住吗」。记忆层的竞争本质上是 AI 从「工具」走向「伙伴」的必经之路——因为任何一段真实的关系都建立在共同的记忆之上。如果这篇文章帮你建立了 Agent Memory 的完整坐标系欢迎收藏、转发。本文信息截至 2026-08-14。Agent Memory 领域演进极快引用具体版本特性时请以各厂商最新官方文档为准。