3.1 Agent 记忆Agent Memory

Supermemory 是面向 AI 应用的 memory 和 context layer，README 称其在 LongMemEval、LoCoMo 和 ConvoMem 三个 memory benchmark 上排名第一。它提供 fact extraction、user profiles、hybrid search、connectors 和 multimodal extractors；用户画像…

Mnemo 是 local-first 的 AI coding memory layer，目标是让 Claude Code、Cursor、Codex CLI 等工具跨会话记住架构决策、失败尝试、约定和代码引用。主页信息显示它用本地 SQLite 存储，支持 MCP、FTS5 与语义检索，并按项目和 git branch 作用域管理记忆。它的工作流是 watch 会话、自动抽取记忆、在新会话启动时注…

提出 DeltaMem，用 residual trees 管理 agent 经验，避免把相似 episode 平铺存储导致冗余和检索冲突。系统拆成两棵树：一棵存 goal-conditioned task experience 作为 reusable skills，另一棵存 scene-level environment knowledge；root 表达通用经验，delta node 表达后续差…

本地文档记忆系统，让 AI agent 可检索项目上下文。

把 AI 记忆保存为用户自己 git 仓库中的 Markdown 文件。

论文提出 agent memory 操作的中立 wire format，覆盖写入、迁移和人工审查等记忆治理接口。

SAGE 将 agent memory 写入控制改写为 novelty detection，而不是每次都让 LLM 决定新增、合并或忽略。它用 von Mises-Fisher density estimator 在 memory embeddings 上估计候选事实的新颖度，并用 adaptive threshold 路由 ADD、NOOP 或 LLM merge。LoCoMo 上它相对 Mem…

这篇论文把 agent memory 当作数据管理系统，而不是提示词附属品。event/entity 分层的好处是能承载纠错、时间衰减和实体演化；风险是评估主要落在检索有效性，记忆写入错误、隐私边界和跨应用 schema 演进还需要更硬的治理机制。

这篇把“把整个记忆库塞回来也能答对”的评测漏洞说得很尖锐。结论偏工程化：结构化 belief state 和硬作用域隔离可能比更大 embedding 更能解决 precision 问题，但单作者、89 例 benchmark 的外部有效性需要复现。

它把反思式检索从“LLM 自己想检索路径”改为受历史记忆结构约束，降低不稳定性。局限是评估集中在 LoCoMo 和 14B Qwen 系列，跨域记忆结构是否同样可靠还需更多数据。