#Agent记忆
共 18 篇相关文章
DeepAgents+Neo4j：三层图谱打通Agent记忆与知识
Agentic GraphRAG 开源项目用 Neo4j 构建知识、工作、决策三层图谱，结合 DeepAgents 与 LangGraph，让 Agent 记忆与知识库互相打通。本文解析其抽取、混合检索与引用校验设计，并讨论 schema 驱动的成本取舍。
RAG与Agent记忆融合：Agentic GraphRAG如何让智能体不再遗忘
Agentic GraphRAG项目将RAG上下文层与Agent记忆层统一到一张图里，用知识、工作记忆、决策记忆三层结构解决决策随文档变更而过期的问题。Agent可引用确切来源版本，文档更新时自动标记受影响决策。
RAG进入生产深水区：配置陷阱、索引投毒与Agent记忆评估危机
本周RAG研究集体转向生产视角：654个配置故障实证研究、针对HNSW索引的拓扑投毒攻击、FuseRAG提速2.7倍，以及揭示Agent记忆评估盲区的FEB-30基准与SAFE-Mem治理方案。
检索日志≠审计追踪：6款Supermemory替代方案横评
检索日志给的是候选集，审计追踪要的是组装集。本文以可重放性为唯一轴线，对比Statewave、OpenViking、Hindsight、Mem0、Graphiti、Letta六款开源Supermemory替代方案，并剖析Supermemory自托管文档上限与许可限制。
Agent记忆系统：别再让你的AI助手每次都失忆
很多AI Agent开发者还没用上最基础的记忆系统，导致Agent每次对话都失忆。本文拆解Agent记忆系统的三个层次，分析长期记忆被忽视的原因，并给出从最小可行记忆开始的落地建议。
Notion + Cognee：为AI Agent构建长期记忆
介绍如何通过 NotionLoader 将 Notion 工作区文档接入 Cognee，把团队知识转化为知识图谱，为 AI Agent 构建跨会话的长期记忆，含完整 Python 集成代码与设计思路解析。
AIClaw 3.7.12：桌面端Agent记忆可检查可编辑
AIClaw 3.7.12 为 Electron 桌面端 Agent 带来可检查可编辑的记忆管理：全局与工作区双作用域、单条目编辑、32KiB 容量限制、乐观并发冲突检测与路径安全校验，让过时记忆可见可改。
Agent记忆架构的五层模型：主流框架实现对比
解析Agent记忆架构的五层模型：历史记录、压缩、语义召回、工作记忆与文件系统，对比Mastra、LangGraph、OpenAI和Claude的实现差异，帮助开发者按场景选择记忆方案。
从零构建AI Agent：文件式长期记忆的实现与安全设计
深入解析如何从零为AI Agent构建长期记忆系统：区分短期与长期记忆，使用Markdown文件实现项目记忆与用户记忆，并设计防止密钥泄露和提示注入的安全规则。
211K星标Hermes启示录：Claude代码的记忆短板如何自救
Hermes Agent五个月狂揽21.1万GitHub星标，30%用户因记忆能力从OpenClaw迁移。本文拆解其存储、注入、召回三层记忆设计，剖析Claude Code记忆短板，并分析如何在Claude Code内自建支持语义召回、来源引用与历史导入的记忆系统。
Agent记忆系统设计：短期记忆、长期记忆与上下文管理
系统讲解Agent记忆系统的设计方法：短期记忆与长期记忆的分工、存什么/怎么存/何时取的三大核心问题、上下文窗口超限的滑动窗口/摘要压缩/外置卸载策略，以及完整的记忆处理链路。
自适应智能体记忆：按未来有用性取舍，而非相似度
自适应智能体记忆系统通过实测未来有用性而非语义相似度来决定保留什么。本文解析该开放研究项目的架构、已测量发现（含多项负面结果与作者自我撤稿）及尚未解决的核心问题。
Agent记忆新思路：用得越多，记得越牢
Agent Commons平台推出Agent笔记功能：支持按主题存储、标签检索和读取计数强化。被频繁召回的记忆自动排名靠前，设计理念是"笔记本而非向量数据库"，已通过HTTP、MCP和A2A协议开放。
SurrealDB 推出 Agent Memory：BEAM 严格评测达 77.2%
SurrealDB 发布 Agent Memory 记忆系统，基于多模型数据库构建，在 BEAM Strict 评测协议下达到 77.2% 准确率，支持实体关系建模、来源追踪与时间历史管理。
State-Drift：AI Agent记忆过时为何成为新安全盲区
AI Agent记忆系统中的state-drift现象：存储信念过期而非检索失败。STALE论文显示最强模型仅55.2%准确率，ForgetEval揭示生产故障多为遗忘类，过时记忆正从可靠性bug演变为安全漏洞。
CLAUDE.md 不是记忆：团队 Agent 记忆为何失效
CLAUDE.md 并不等于记忆。本文分析单个开发者和团队使用 markdown 记忆文件时的五种失效场景，并给出六条可落地的改进建议，以及团队共享 Agent 记忆的真正缺口。
Importance Gate：Agent记忆写入闸门如何阻断噪声堆积
深入解析AI Agent持久记忆中的重要性闸门（importance gate）机制：写入路径如何拒绝噪声、六款产品（Mem0/Cognee/Letta/Supermemory/Zep/Mnemoverse）的闸门测试对比，以及用控制组验证闸门行为的实操方法。
前沿研究MemGAS：多粒度记忆关联让AI Agent精准回忆
ICLR 2026论文MemGAS提出多粒度记忆关联与自适应选择框架，通过Session/Turn/Summary/Keyword四种粒度、GMM关联机制、熵路由器和Personalized PageRank图传播，让对话Agent在长期记忆中实现精准召回，F1指标全面超越HIPPO RAG等基线。