Agent 记忆系统:原理、方案与场景选型
Mem0、Hindsight、OpenClaw、Hermes 看起来是四种完全不同的东西:记忆层、记忆服务、文件工作区、个人 Agent。但把它们拆开,每个系统都在回答同样六个问题:存哪里、写什么、怎么找、冲突怎么办、怎么忘、放多少进上下文。 选型则是把这六个环节放进具体场景:编码助手需要可审查的项目规则,陪伴产品需要身份连续性,企业 Agent 需要归属与审计,不能用同一张榜单决定。
继续用这组例子看通用机制:
M1(周一):我喜欢蓝莓,芒果吃了不舒服。M2(周二):Agent 下单买了蓝莓(blueberry)。M3(周三):以后只想买苹果。周五,你问:“现在该给我推荐什么水果?”本文先讲通用框架,再看产品方向和行业场景。检索内部的算法细节见混合检索算法,OpenClaw 与 Mem0 的完整拆解见文末链接。
1. 先分清四种记忆内容
Section titled “1. 先分清四种记忆内容”| 类型 | 记的是什么 | 典型实现 | 写入与召回 |
|---|---|---|---|
| Working(工作记忆) | 当前这一次请求在想什么 | 上下文窗口、当前会话状态 | 每次请求重新组装,会话结束即消失 |
| Episodic(经历) | 具体发生过什么 | 对话记录、工具结果、任务日志 | 全量保存做证据,按需检索 |
| Semantic(事实) | 从经历整理出的偏好与结论 | 事实条目、用户画像、知识图谱 | 提取或整理而来,会被修订和替代 |
| Procedural(技能) | 怎么做一件事 | skills 文件、SOP、工作流模板 | 版本化文件,按描述匹配后加载 |
两个直接推论:经历是证据,事实是派生数据,事实错了可以靠经历重建;技能不该塞进向量库,它是可审查、可版本管理的文件,Hermes 的 skills、Claude Code 的 skills、企业 SOP 都属于这一类。
另一个容易混淆的维度:检索准确率衡量的是“问到能不能找对”,长期 Agent 还需要身份连续性 ——明天醒来还是同一个它。前者靠检索系统,后者靠人格、共同经历和第一人称的持续记录,是两笔不同的预算。
2. 存储:四种数据不要混为一谈
Section titled “2. 存储:四种数据不要混为一谈”一个完整的记忆系统里,有四种存储对象:
- 原始记录:对话和工具结果,全量保存,是证据。OpenClaw 的会话 SQLite、Hermes 的会话库都在这一层。
- 长期记忆:从原始记录提取或整理出的偏好、决定、经验。
MEMORY.md、Mem0 的事实条目、Hindsight 的 world fact 都在这一层。 - 索引:切片、向量、关键词表,是查找用的派生物,丢了可以重建,不是另一份记忆。
- 业务状态:当前生效的设置、订单、设备在线状态。它不属于记忆系统,查询它要走业务数据库。
很多“记忆出错”其实是层搞错了:把索引当记忆备份,把历史偏好当当前状态,或者只删长期记忆却留着原始记录,下次整理又被恢复。
3. 写入:全量、提取、整理,三种策略可以共存
Section titled “3. 写入:全量、提取、整理,三种策略可以共存”写入不是一条流水线,而是三种策略的组合:
- 全量记录:每条消息都存,不判断重要性。证据完整,噪声也完整,靠后面的检索兜底。
- 提取筛选:模型从对话里抽出值得保存的事实。Mem0 的
add单次提取、Hindsight 的retain都在这一层,质量取决于模型判断。 - 整理与策展:后台或定期把积累的内容压缩成更好的长期记忆。OpenClaw 的 Dreaming 按召回信号提升候选,Hindsight 的 Observation 归纳相关事实,Hermes 则要求 Agent 在极小容量内主动决定留什么。
写入前还要回答两个问题:什么时候触发(每条消息、会话结束、压缩前、后台定时),以及来源可信吗。用户原话、Agent 确认的动作、网页文本的信任等级完全不同;低信任来源不该直接变成长期偏好。
写入规则决定记忆质量的上限,检索只能在这个上限内发挥。
4. 召回:固定加载与按需检索,两条腿走路
Section titled “4. 召回:固定加载与按需检索,两条腿走路”新会话不会把旧内容全读一遍。主流方案都是两条腿的某种配比:
- 固定加载:少量核心记忆每次启动就注入。OpenClaw 启动读
USER.md和MEMORY.md;Hermes 把两个小文件作为冻结快照 注入系统提示,会话中途写入只落盘、下次会话才可见——这样提示词前缀不变,prompt 缓存不会失效。 - 按需检索:需要时才查大库。OpenClaw 的
memory_search、Hermes 的session_search(SQLite FTS5 关键词检索)、Mem0 的search、Hindsight 的recall都在这一层。
固定加载零检索成本,但容量必须小;按需检索库可以很大,但有延迟和调用成本。常见搭配是:小文件放“总要记住的”,大库放“可能用得着的”,先读固定文件,不够再检索。
5. 冲突与遗忘:四种策略,四种取舍
Section titled “5. 冲突与遗忘:四种策略,四种取舍”M1 说喜欢蓝莓,M3 说只想买苹果。冲突怎么处理,是各系统差异最大的地方:
- 覆盖更新:同一来源修订就替换旧版本。Hindsight 对同一
document_id默认 replace,简洁但变化历史被抹掉。 - 只新增:Mem0 的 ADD-only 保留全部记录,历史完整,但“现在听哪条”交给应用判断。
- 标记替代:OpenClaw 把旧条目标为
superseded、新条目标为active,保留来源链,可以审计哪条失效。 - 容量挤出:Hermes 的 2200 / 1375 字符上限迫使 Agent 合并或丢弃,用空间约束保证只留最重要的。
遗忘同样是一套动作而不是一个删除按钮:删掉来源后,索引切片、归纳摘要、检索缓存、备份里的旧内容都要处理,否则它还会被召回。Hindsight 还要求检查由来源生成的 Observation 是否继续暴露旧内容。
6. 上下文组装:记忆不等于省 Token
Section titled “6. 上下文组装:记忆不等于省 Token”记忆系统常被宣传成“省上下文”,实际要看组装方式:
- 固定加载每次都占 token;冻结快照能让 prompt 缓存命中,是 Hermes 控制成本的核心理由。
- 提取、后台归纳、检索、rerank 都是额外的模型或计算调用,Mem0 一次
add就有提取和 embedding 成本,Hindsight 的reflect内部还有完整的模型循环。 - 检索回来的片段同样占上下文,top_k 不是越大越好。
所以正确的预期是:记忆系统的主要收益是旧信息以后还能找到,成本控制要靠小容量固定加载、缓存友好的稳定前缀和按需检索的组合。
7. 产品方向:不同产品怎样组合这些机制
Section titled “7. 产品方向:不同产品怎样组合这些机制”7.1 编码助手:文件就是记忆
Section titled “7.1 编码助手:文件就是记忆”Claude Code 里有两条写入路径(官方文档):
- 你写 CLAUDE.md:编码规范、项目约定,分组织策略、用户(
~/.claude/CLAUDE.md)、项目三级,.claude/rules/按文件路径限定,AGENTS.md可直接替代。根文件在/compact压缩后从磁盘重读。 - Claude 写 Auto memory:你纠正“别再这样改测试”之后,它自己记成笔记,按仓库存放、跨 worktree 共享,每次会话加载前 200 行或 25KB。
Codex 和 Gemini CLI 同构:AGENTS.md / GEMINI.md 从全局到项目、子目录逐级合并,越靠近当前目录优先级越高;Codex 合并上限默认 32KiB,Gemini CLI 用 /memory show 查看实际注入内容。
文件记忆没有检索环节,启动时全部读进去。因此文件越长,每轮成本越高,模型还越容易漏掉中间条目——各家设上限都是在强制克制。Auto memory 自动学习方便,但记错的一条会持续出现在每次会话里,不像聊天记录会自然淡出。
这些都是提示,不是强制配置。要禁止动作,用 PreToolUse hook 这类程序拦截,不靠记忆里写“不许做”。
同方向还有几种选择:
- Cursor:
.cursor/rules/用alwaysApply、globs、description控制加载时机,团队规则优先,适合把团队规范做成强制下发的上下文(官方文档)。 - Cline Memory Bank:不是自动系统,是文档方法论——
activeContext.md、progress.md记录进展,新会话说“follow your custom instructions”续接,换任何能读文档的 Agent 都能用(官方指南)。 - Windsurf(现 Devin 体系):
AGENTS.md加.devin/rules/,旧.windsurf/rules仍导入(官方文档)。
7.2 自托管个人 Agent:差别在写入纪律
Section titled “7.2 自托管个人 Agent:差别在写入纪律”数据在本地、机制可审查是这个方向的共同点,真正的差别在写入:
- OpenClaw:Markdown 加 SQLite,全量原始会话做证据,Dreaming 按“后来被召回过几次”把候选提升成长期记忆;召回分固定加载、trigger 快速通道、混合检索三层,冲突用
superseded标记。适合要自动整理又要审计的人(完整拆解)。 - Hermes:
MEMORY.md(约 2200 字符)和USER.md(约 1375 字符)作为冻结快照 注入,会话中途写入只落盘、下次会话生效,提示词前缀不变所以 prompt 缓存一直有效;容量上限迫使 Agent 只留最重要的。适合成本敏感的人(源码解读)。 - DeepSeek Harness(DSH):记忆靠插件。DeepSeekBot 提供一组各有身份和记忆的 Bot;ds bot 用 Main Bot 主管调度省 token(报道);Engramory 这类插件用“一条事实一个 Markdown 文件 + 每会话加载的索引”做无数据库记忆。选插件就是选写入规则,要看仓库当前 README。
一句话选择:要自动整理选 OpenClaw,要成本稳定选 Hermes,要多 Bot 玩法选 DSH。
7.3 商业个人助手:四个工程问题
Section titled “7.3 商业个人助手:四个工程问题”2026 年下半年,记忆从“你提问才检索”变成云端常驻 Agent 的主动能力。这类产品要同时解决四个工程问题(框架参考《从 Muse、dots 和 Grok Bot 看 Personal Agent》)。
状态跨任务:下一次该取回哪些。 长期记忆和当前上下文是两件事:长期记忆负责跨请求保存,上下文是某一次调用实际装载的工作集。Dots 的机制很典型:dot 继承你的 ChatGPT 记忆,从连接的应用学习,再保存自己的偏好和工作笔记;但每个任务有自己的对话,不会自动获得你和 dot 的全部历史(官方文档转述)。
所有权的边界更要注意:关闭共享、断开应用都不会清空 dot 已学到的内容;dot 的单个记忆不能逐条编辑,删除等于重置整个 dot(机制分析)。实用结论:连应用之前先审查你的 ChatGPT 记忆。
授权与凭证:长期有效还是一次有效。Muse 把这部分拆得很细:核心 Agent 跑在隔离的 Secure VM 里,hatch-authd 保管真实 OAuth token,Agent 只拿代理凭证;访问外部服务要过 Sentinel,由它判断允许、拒绝还是要求用户确认;授权分一次性、会话级、任务级、限时和长期。Dots 也允许给不同操作设规则,但自定义规则不能突破内置安全限制。
昨天授的权今天能不能用、读邮箱包不包括发邮件,都是记忆系统之外但必须回答的问题。
后台触发:触发不等于授权。 Grok Bot 的 Routine 可以由时间表或外部事件触发(PR 打开、CI 失败、Slack 新消息);dots 也能定时检查日历或主动整理记忆。关键原则是:事件只负责创建一次执行,不增加这次执行的权限。Dots 的主动研究只能读取已允许的信息源并保存私有笔记,不能主动发消息、改插件或控制浏览器。
跨系统身份与陪伴型记忆。 当 Agent 代表你访问别的公司的服务,对方需要知道“这是谁的 Agent、授了什么权、只读还是可写”——Meta、Sierra 等在推进的 Personal Agent Protocol 就是 OAuth 之上的这层约定。
陪伴型产品以 Replika 为代表:Memory 标签页条目可看可改,深层系统根据整体对话模式逐渐个性化,点赞能强化正确记忆。这里最重要的指标不是检索分数,而是人格和共同经历的连续性。
7.4 记忆服务:接入快,但各组留了不同的活给你
Section titled “7.4 记忆服务:接入快,但各组留了不同的活给你”| 分组 | 代表 | 它帮你做了什么 | 接入后你自己还要补什么 |
|---|---|---|---|
| 提取型 | Mem0、Hindsight、Supermemory | 对话提取成事实,检索返回 | 当前偏好判断:新旧并存听哪条;用户隔离 |
| 图谱型 | Zep、Cognee | 实体关系与时效 | 构图成本与错误链接纠正;图谱不等于事实为真 |
| 画像型 | Memobase、Honcho | 持续的用户模型 | 推断过度的审计;画像不能替代业务当前状态 |
| 框架与自管型 | LangMem、Letta | 记忆工具与存储约定 | 自己定义“什么值得写”的写入规则 |
Mem0 用 add 和 search 两个动作接入现有 Agent,ADD-only 加多信号融合,时间推理辅助排序,冲突判断留给应用。Hindsight 提供 retain、recall、reflect 三个 API,实体、时间和来源追溯完整,Observation 后台归纳;reflect 不是免费检索,只要事实时先用 recall。
成本不看产出形态,看写入时做多少计算:单次提取最省,实体关系构建更贵,Honcho 这类持续后台推理最高;Memobase 这类按配置字段更新的画像,成本接近提取型,并不天然更贵。
官方来源:Mem0(本站拆解)、Hindsight、Supermemory、Zep、Cognee、Memobase、Honcho、LangMem、Letta。
7.5 框架运行时与托管产品:两个容易被误认的方向
Section titled “7.5 框架运行时与托管产品:两个容易被误认的方向”框架运行时记忆解决执行状态,不是长期偏好。 LangGraph 的 checkpointer 让任务断点恢复,store 存跨线程数据;CrewAI 区分短期、长期与实体记忆。用户改口这类偏好冲突,框架不会替你处理。详见 LangGraph、CrewAI、OpenAI Agents SDK、Google ADK。
托管产品的记忆要按“两层删除”理解。ChatGPT 官方 FAQ:saved memories 独立于聊天存储,删原聊天不删记忆;删干净要同时处理记忆和原始聊天,日志可能保留至多 30 天。Claude.ai 以主题形式综合记忆,支持管理、无痕聊天,2026 年扩展到聊天与 Cowork 共享(报道)。个人使用没问题,但不能当产品的记忆底座:不可导出、不可移植、规则平台定。
8. 行业场景:记忆深度由场景决定
Section titled “8. 行业场景:记忆深度由场景决定”行业判断比产品选型更优先,看三个约束:关系深度(一次性服务还是长期关系)、数据敏感性(医疗、政务、金融合规)、事实来源(业务事实必须实时查业务系统)。
- 游戏 NPC 与角色:记忆就是产品本体,而且重点是身份连续性 而非检索准确率。经典范式是 Generative Agents 论文(arXiv 2304.03442)的记忆流 + 定期反思:全量经历入库,按相关性、新近性、重要性召回,定期整理成高层认识。OpenClaw 的 Dreaming、Hindsight 的 Observation 都继承了这个思路。记错共同经历比少记更糟,人格一致性优先于召回数量。
- 企业 AI 员工:归属、审计、权限优先。以阿里云 AgentRun 为例:记忆关联 User/Agent/Run ID,检索必须带归属过滤;每条记忆有版本历史,新增、更新、删除带时间戳和操作者;支持 MCP 和 mem0 兼容接口。团队共享 SOP 和员工的个人客户上下文分开,记忆不能成为越权执行的依据。
- 导游、医院、政务指引:记忆要克制。主体是业务知识库 RAG 加实时接口(号源、窗口、政策);长期记忆只放语言、无障碍需求这类低风险偏好,敏感信息最小化、可删除。这类场景上重型记忆系统通常是负收益:泄露面和合规成本上升,个性化收益有限。
9. 场景决策与验收
Section titled “9. 场景决策与验收”先做三道判断题,比读产品榜单有用:
- 要记的是“怎么做”吗? 是就写成 skills 或规则文件,别进向量库。
- 是一次性服务吗? 是就不建长期记忆,知识库加实时接口足够。
- 是长期关系且数据敏感吗? 是就把归属、审计、可删除放在检索分数之前。
然后按场景定方向:
| 场景 | 推荐方向 | 决定性理由 |
|---|---|---|
| 团队协作写代码 | 文件记忆(CLAUDE.md / AGENTS.md) | Git 审查、项目共享、子目录覆盖 |
| 自托管个人助理 | OpenClaw / Hermes / DSH 插件 | 数据在本地,机制可审查 |
| 个人生活助理与陪伴 | Muse / Dots / Grok Bot / Replika | 主动记忆、云端常驻,接受平台边界 |
| 做自己的产品,要跨会话个性化 | Mem0 / Hindsight / Zep 等记忆服务 | 接入快,归属与隔离自己控制 |
| 重点是用户画像与推理 | Honcho / Memobase | 持续用户模型,而非事实清单 |
| 只要任务断点恢复 | 框架运行时状态(checkpointer 等) | 不需要引入长期记忆系统 |
| 游戏 NPC / 角色陪伴 | 记忆流 + 反思(Generative Agents 范式) | 人格与共同经历是产品本体 |
| 企业 AI 员工 | 企业平台记忆(AgentRun 等) | 租户隔离、审计、权限 |
| 导游 / 医院 / 政务指引 | 知识库 RAG + 实时接口,克制记忆 | 业务事实必须实时,敏感数据最小化 |
| 个人日常聊天,不做产品 | ChatGPT / Claude.ai 内置记忆 | 零接入成本,接受平台边界 |
每个场景还要有自己的验收问题,别只问“它还记得吗”:
| 场景 | 验收时要确认的事 |
|---|---|
| 编码助手 | 记错的条目不持续污染会话;规则文件能 Git 审查;硬约束走 hook |
| 自托管 Agent | 原始会话可重建索引;写入失败不影响主流程 |
| 商业个人助手 | 关闭共享后已学内容去哪了;后台任务的权限范围;能否导出 |
| 记忆服务 | 新旧偏好冲突谁判断;跨用户检索隔离;删除是否含派生数据 |
| 游戏与角色 | 人格在模型更新后是否稳定;共同经历是否被正确回忆 |
| 企业 AI 员工 | 租户间不串记忆;每次变更有操作者;记忆不构成越权依据 |
| 指引类服务 | 业务答案来自实时接口;敏感信息可最小化删除 |
10. 通用验收清单:评估任何记忆系统的十二个问题
Section titled “10. 通用验收清单:评估任何记忆系统的十二个问题”拿到任何一个记忆系统(包括自己写的),按六个环节各问两个问题:
| 环节 | 要回答的问题 |
|---|---|
| 存储 | 原始记录还在吗?索引删掉能重建吗? |
| 写入 | 什么内容、什么时机触发?低信任来源会被写成偏好吗? |
| 召回 | 固定加载多少?检索不到时系统怎么说? |
| 冲突 | 新旧偏好并存时听哪条,谁来决定? |
| 遗忘 | 删除来源后,索引、摘要、缓存、备份都清了吗? |
| 成本 | 每次请求的固定开销多少?提取和检索的额外调用多少? |
这十二个问题答不上来的部分,就是这个系统未来出事的地方。
A. 四个代表系统的六环节对照
Section titled “A. 四个代表系统的六环节对照”| 环节 | OpenClaw | Mem0 | Hindsight | Hermes |
|---|---|---|---|---|
| 长期存储 | Markdown + SQLite | 记忆库存储(可配置后端) | 记忆服务(bank) | 两个小文件 + 会话 SQLite |
| 写入 | 全量 + Dreaming 整理 | add 单次提取,ADD-only | retain 提取 + Observation 归纳 | Agent 主动策展,容量上限 |
| 固定加载 | 启动读 USER/MEMORY | 无(全靠检索) | 无(Knowledge page 可选) | 冻结快照每次注入 |
| 按需检索 | 混合检索 + trigger | 多信号融合 + 时间推理 | recall 融合 + 重排 | session_search FTS5 |
| 冲突 | superseded 标记 | 应用判断 | 同来源 replace + 历史保留 | 容量挤出 |
| 遗忘 | 按来源链删派生数据 | 应用调用删除并处理缓存 | 删来源后查 Observation | 改写小文件;会话仍在库中 |
| 成本特点 | 整理与子代理有额外调用 | 每次 add 有提取成本 | reflect 是完整模型循环 | 缓存友好,检索无模型调用 |
B. 深入阅读
Section titled “B. 深入阅读”- 混合检索算法:语义、BM25、实体、时间、融合评分、MMR、评估指标的手算拆解。
- OpenClaw 记忆系统拆解、Mem0 记忆层拆解。
- Hermes 记忆系统源码解读:冻结快照与冷热分离的设计动机。
- 《从 Muse、dots 和 Grok Bot 看 Personal Agent》:状态、授权、触发、跨系统身份。
- 《Memory Systems for Autonomous Agents — The 2026 Landscape》:四分型与身份连续性,含厂商自身观点,基准数字以原出处为准。
- arXiv 综述《Memory for Autonomous LLM Agents》、Generative Agents 论文。
本文的版本范围以 2026-11-17 核对的上述资料为准,2026-11-18 完成合并:OpenClaw 使用 2026.10.10 固定提交,Hindsight 使用 v0.10.2 文档;Hermes 默认上限 2200 / 1375 字符为版本事实,配置可覆盖。OpenAI Dots、Grok Bot 等产品的部分机制来自已注明的公开转述与报道。Cursor、Windsurf 与 DSH 插件生态变化较快,具体能力以使用时的官方页面为准。各产品未公开的内部参数不作推测。