Agent 记忆架构 2026：从认知科学到生产级实现的技术全景

2024 年，“AI Agent 记忆"意味着把对话历史塞进 context window，然后祈祷模型能记住关键信息。无状态 Agent、重复指令、跨会话零个性化——这些被认为是使用 LLM 的固有代价。这个认知框架已经过时了。

2026 年，记忆已成为 Agent 架构中的一等公民：它拥有独立的评测基准套件、独立的研究文献、可量化的性能差异，以及专门为它构建的工具生态。Mem0 在 2025 年 ECAI 会议上发表了首个大规模记忆系统对比论文，Zep 的 Graphiti 引擎在时序推理基准上领先 15 个百分点，Letta（前 MemGPT）让 Agent 像操作系统一样自主管理内存分配。这些不是概念验证——它们是已经在生产环境运行的系统。

本文不重复"短期/长期/工作记忆"的基础分类（参见 Agent 记忆系统：短期/长期/工作记忆的技术方案对比），而是聚焦于 2025-2026 年间 Agent 记忆领域发生的范式性变化：从认知科学的三层记忆模型到混合存储架构的工程实现，从标准化评测基准到生产环境中的安全与隐私挑战。

1. 认知科学的三层记忆模型：从理论到 AI Agent 的映射

1.1 三层记忆分类体系

认知科学文献将记忆按存储介质和检索模式分为不同类型。2025-2026 年，AI Agent 框架领域收敛到一个惊人一致的三层分类体系：

这个分类体系直接借鉴了认知科学中 Tulving 的记忆分类理论，但在 Agent 系统中获得了更精确的工程含义。

1.2 情景记忆：时序锚定的事实记录

情景记忆记录特定的过去事件。在 Agent 系统中，这对应对话日志、工具调用轨迹和交互序列。关键属性是时序排序——情景记忆不仅仅是事实，而是锚定在特定时间点的事实。

不同框架的实现差异很大：

• Letta 的 recall memory 是可搜索的 SQLite/PostgreSQL 消息日志，按需分页加载到 context window 中
• Zep/Graphiti 在事件子图上存储显式的双时序标注：事件时间（事实何时为真）和摄入时间（Agent 首次观察到事实）
• Mem0 将对话历史作为提取语义记忆的源数据，而非直接作为情景记忆存储

Graphiti 的双时序设计（bitemporal design）尤其值得注意——它能够精确推理"追溯性修正”：当用户更新地址时，系统可以区分新事实和旧事实，而不丢失任何一个。

1.3 语义记忆：Agent 积累的结构化知识

语义记忆存储声明性事实和关系。与情景记忆不同，语义记忆在很大程度上是无时间性的——它表示 Agent 当前认为"为真"的内容。

这是大多数 Agent 记忆系统的核心关注点。Mem0 是目前部署最广泛的语义记忆层，拥有约 48,000 GitHub Stars 和 2025 年 10 月完成的 $24M Series A 融资。其语义层通过 LLM 管道从对话中提取命名实体和关系，存储为图数据库中的节点和边，并与向量嵌入交叉链接以支持模糊搜索。

语义记忆面临的核心挑战是事实冲突检测——当新事实与已有图谱条目矛盾时，系统需要决定更新、合并还是保留两者。这是纯向量存储无法优雅处理的问题。

1.4 程序记忆：被忽视的第三种记忆

大多数 AI 记忆系统关注前两种类型。但生产级 Agent 还需要第三种：程序记忆。

程序记忆存储"事情应该怎么做"。对于 Agent，这意味着学到的工作流、编码模式、工具使用习惯、审查规范和部署步骤。一个编码助手可能学会团队如何组织 Pull Request、合并前运行哪些测试命令、以及如何处理 Release Notes。

这是目前工具化程度最低的记忆类型。Mem0 的架构在概念上支持程序记忆，但专门管理程序记忆的工具仍然处于早期阶段。Letta 的 sleeptime agent 机制（后台循环在对话间隙重写和整合记忆块）是目前最接近实用化程序记忆管理的实现。

2. 混合存储架构：向量数据库不再独挑大梁

2.1 纯向量存储的根本局限

2024 年之前，Agent 记忆的默认实现是"向量数据库 + 相似度检索"。这种方案在简单场景中工作良好，但存在三个结构性缺陷：

2.2 混合向量-图存储：2026 年的事实标准

生产级 Agent 越来越多地依赖混合架构——同时使用向量数据库和知识图谱，由 LLM 管理的接口决定存储什么、何时检索、何时遗忘。

┌──────────────────────────────────────────────────────────┐
│              混合记忆存储架构（2026 标准模式）               │
│                                                          │
│  ┌──────────────────┐        ┌──────────────────┐        │
│  │   向量数据库      │        │   知识图谱        │        │
│  │  Vector Store    │        │  Knowledge Graph  │        │
│  │                  │        │                  │        │
│  │  · 语义相似度     │◄──融合──►│  · 实体关系       │        │
│  │  · BM25 关键词   │        │  · 时序标注       │        │
│  │  · 模糊匹配      │        │  · 冲突检测       │        │
│  └────────┬─────────┘        └────────┬─────────┘        │
│           │                           │                  │
│           └──────────┬────────────────┘                  │
│                      ▼                                   │
│            ┌─────────────────┐                           │
│            │  多信号检索融合   │                           │
│            │ Multi-Signal    │                           │
│            │ Retrieval       │                           │
│            └─────────────────┘                           │
└──────────────────────────────────────────────────────────┘

多信号检索是关键技术突破。以 Mem0 的 v3 算法为例，检索栈并行运行三个评分通道：

1. 语义相似度（Vector Similarity）——捕获概念层面的相关性
2. 关键词匹配（BM25）——捕获精确术语匹配
3. 实体匹配（Entity Matching）——捕获命名实体级别的关联

三个通道的分数经过归一化后融合为统一的结果得分。实验证明，融合后的得分优于任何单一信号。Mem0 在 LoCoMo 基准上的时间推理提升了 +29.6 分，多跳推理提升了 +23.1 分——这两个维度正是多信号融合贡献最大的领域。

2.3 图记忆：从实验到生产的路径

2024 年，图记忆在 Agent 系统中基本是实验性的。到 2026 年，生产模式已经发生了根本转变。

关键洞察：重要的转变不是"每个 Agent 都需要图数据库"，而是记忆系统正在超越纯向量相似度。

Zep 的 Graphiti 引擎是目前最具代表性的生产级时序知识图谱实现。它在 LongMemEval 基准上取得了 63.8% 的得分（使用 GPT-4o），而 Mem0 的得分为 49.0%——在时序检索任务上存在 15 个百分点的差距。这个差距恰好出现在生产级 Agent 最需要的能力上：记住随时间变化的事实。

Graphiti 使用 Neo4j 作为底层存储，实现了双时序标注（事件时间 + 摄入时间），使得系统能够精确处理"追溯性修正"——当用户更新信息时，系统知道哪个版本是当前的，同时保留历史版本。

Mem0 在 v3 版本中做了一个大胆的架构决策：移除外部图存储支持，改为内置实体链接（Entity Linking）。在 add() 时，Mem0 从每条记忆中提取实体并存储在并行的实体集合中。检索时，查询中的实体与该集合匹配，匹配结果用于提升相关记忆的排名。权衡：这不再是一个可遍历的图接口，relations 字段被移除，实体关系现在只影响检索排名，不能被直接遍历。

3. 生产级框架深度对比

3.1 四大框架概览

2026 年，四个开源候选框架在 Agent 记忆领域形成了差异化竞争：

3.2 Mem0：最广泛部署的记忆层

Mem0 的核心设计理念是零配置、自动提取。开发者调用 add() 和 search() 即可获得跨会话记忆，无需手动设计提取逻辑。

架构演进：

Mem0 经历了从 v2 到 v3 的重大架构变更。v2 版本支持可选的图存储层，v3 版本移除了外部图存储支持，改为内置实体链接。这个决策背后的考量是：图存储的部署和维护成本（Neo4j 实例）对于大多数团队来说过高，而内置实体链接可以提供大部分图记忆的收益，同时保持向量存储的简洁性。

四层作用域模型：

Mem0 的 API 设计采用了四层作用域（scope），这是该领域中最清晰的设计之一：

作用域可以组合——查询可以限定到特定用户在特定会话中的记忆，也可以检索用户跨所有会话的全部记忆。检索管道自动处理合并，用户记忆的排名高于会话上下文，会话上下文高于原始历史。

代码示例：

from mem0 import MemoryClient

client = MemoryClient(api_key="your-key")

# 添加记忆（自动提取实体和事实）
client.add(
    "用户偏好 Python 而非 JavaScript 用于后端脚本",
    user_id="developer-alice",
    metadata={"context": "coding-preferences"}
)

# 检索相关记忆
results = client.search(
    "编程语言偏好",
    user_id="developer-alice",
    limit=5
)

# 结果自动融合语义匹配和实体匹配
for memory in results:
    print(f"[{memory['score']:.2f}] {memory['text']}")

3.3 Zep/Graphiti：时序推理的领先者

Zep 的差异化在于它将整个记忆架构围绕时序知识图谱构建。Graphiti 是其核心引擎，每个事实都带有明确的时间有效性窗口。

双时序模型：

┌───────────────────────────────────────────────┐
│            Graphiti 双时序模型                  │
│                                               │
│  事实："Alice 住在 Boston"                      │
│                                               │
│  Event Time:    2024-01-01 ~ 2025-06-15       │
│  Ingestion:     2024-01-02                    │
│                                               │
│  事实："Alice 住在 San Francisco"               │
│                                               │
│  Event Time:    2025-06-15 ~ present           │
│  Ingestion:     2025-06-16                    │
│                                               │
│  → 系统知道两个事实都存在，但当前有效的是后者     │
└───────────────────────────────────────────────┘

检索机制：

Graphiti 在检索时不调用 LLM——这与很多其他方案不同。它的检索栈由 BM25 + 向量嵌入 + 图遍历 组成，全部是确定性算法。这带来了两个重要优势：

1. 低延迟：没有 LLM 调用的额外延迟
2. 可预测性：检索结果不随 LLM 版本变化而波动

在 LongMemEval 基准上，Graphiti 的 63.8% 得分（GPT-4o）显著领先于 Mem0 的 49.0%。这个 15 分的差距集中在时序检索和知识更新两个维度——这恰恰是生产级 Agent 最常失败的场景。

什么时候选择 Zep 而不是 Mem0：如果你的 Agent 需要处理"事实随时间变化"的场景（例如，用户的地址从 A 变到 B，职位从 X 变到 Y），Zep 的时序图谱提供了更可靠的解决方案。如果主要是个性化偏好（用户的语言偏好、交互风格），Mem0 的自动提取和零配置体验更优。

3.4 Letta：Agent 自管理内存的 OS 风格运行时

Letta（前身是 MemGPT）代表了一种根本不同的设计哲学：让 Agent 自己管理记忆，就像操作系统管理虚拟内存一样。

分级存储模型：

Agent 通过工具调用管理自己的记忆——core_memory_replace 替换核心记忆块中的文本，archival_memory_search 检索长期记忆，memory_insert 插入新记忆。核心设计决策：记忆的提取、更新和遗忘都由 LLM 自主决定，而非由外部管道自动处理。

Letta 在 2025 年 8 月发布的一篇博文"Is a Filesystem All You Need?“中展示了一个有趣的发现：将 LoCoMo 基准的对话记录转储为文件，附加到一个普通 Agent 上，得分达到 74.0%——超过了 Mem0 图变体的 68.5%。Letta 的论点是：Agent 在训练中已经学会了高效的文件搜索，专门的记忆系统可能增加了不必要的复杂性。

Letta 的 sleeptime agent 机制值得特别关注：它在对话间隙运行后台循环，主动重写和整合记忆块。这使得记忆更新可以发生在实时交互之外，避免了对话延迟。这是目前最接近实用化程序记忆管理的实现。

3.5 框架选型决策矩阵

4. 评测基准：从各自为战到标准化对比

4.1 三大基准定义评测格局

Agent 记忆研究最重要的进展是标准化评测基准的出现。三个基准现在定义了整个领域的测量标准：

LoCoMo（Snap Research）是目前最广泛使用的基准。每次对话最多跨越 35 个会话、300 轮交互、9,000 个 token，问题按难度分为单跳、多跳、时序和开放域四类。

BEAM 基准尤其值得关注——它在 1M 和 10M token 规模上测试记忆系统。关键发现：仅靠扩展 context window 无法解决 BEAM 中的挑战，这使得它与生产规模部署最相关。

4.2 统一评测框架

三个基准共享一个五维评测框架：

关键洞察：这种组合防止了在单一维度上过度优化。一个在准确率上表现优秀但每次查询需要 26,000 token 的系统在生产中不可行。一个延迟低但召回率差的系统没有用处。

4.3 当前最佳成绩

Mem0 的 v3 算法在 token 效率上取得了显著进步——从 v2 的约 26,000 token/对话降低到约 6,900 token/查询，同时在时间推理上提升了 +29.6 分。

5. 声明式记忆注入：编码 Agent 的新范式

5.1 CLAUDE.md / AGENTS.md 模式

2025-2026 年，一种出人意料的记忆模式在编码 Agent 中获得了广泛采用：声明式记忆文件。

• Claude Code 读取 CLAUDE.md
• OpenAI Codex 读取 AGENTS.md
• Cursor 读取 .cursorrules

这些文件在每次会话开始时注入到 LLM 的 context 中，本质上是最简单的记忆系统——人工维护的、声明式的、永不衰减的记忆。

5.2 为什么这种"笨办法"有效

声明式记忆之所以在编码场景中表现优异，有三个原因：

1. Agent 擅长文件搜索：Letta 的实验表明，Agent 在训练中已经学会了高效的文件搜索，简单的文件系统加上 Agent 的搜索能力就足以匹敌专门的记忆系统
2. 零提取开销：不需要 LLM 管道来提取和存储记忆，所有记忆都是人工策展的
3. 可审计性：人类可以直接阅读和审查 Agent 的"记忆”，这在安全敏感场景中至关重要

声明式记忆的局限在于可扩展性——它要求人工维护，无法从交互中自动学习。但对于编码 Agent 这种"团队规范固定、知识边界清晰"的场景，它的简洁性恰恰是优势。

6. 多 Agent 系统中的记忆挑战

6.1 记忆归属问题

在多 Agent 对话中，一条记忆如"用户需要帮助部署"是模糊的——是用户直接说的，还是监控 Agent 推断的？还是规划 Agent 创建的中间步骤？

Actor 感知记忆（Actor-Aware Memory）是解决这个问题的关键模式。Mem0 的 Group Chat 实现使用消息的 name 字段进行归因：用户消息存储在 user_id 下，助手或 Agent 消息存储在 agent_id 下。检索时，Agent 可以按参与者和会话过滤，帮助区分用户陈述的事实和 Agent 生成的推断。

6.2 记忆的来源追踪

随着多 Agent 系统日益复杂，记忆层中的来源追踪（provenance）成为可靠性的组成部分，而不仅仅是调试工具。每条记忆需要记录：

• 谁创建了它（用户、Agent A、Agent B）
• 何时创建的（创建时间和最后验证时间）
• 它的置信度（直接陈述 vs. 推断 vs. 不确定）
• 它影响了哪些决策（下游依赖追踪）

7. 安全与隐私：记忆系统的暗面

7.1 记忆投毒攻击

记忆系统引入了一个全新的攻击面：记忆投毒（Memory Poisoning）。攻击者可以通过精心构造的交互，让 Agent 记住恶意信息，这些信息会在后续会话中被检索并影响 Agent 的行为。

防御策略包括：

• 输入验证：对写入记忆的内容进行异常检测
• 来源分级：用户陈述的事实 vs. Agent 推断的事实，赋予不同的信任等级
• 记忆审计：定期审查存储的记忆，检测异常模式
• 沙箱隔离：敏感操作的记忆与普通记忆分离存储

7.2 GDPR 合规挑战

记忆系统存储的用户数据可能受到 GDPR 的"被遗忘权"约束。当用户要求删除其数据时，Agent 需要能从所有记忆存储中彻底清除相关信息——包括向量数据库中的嵌入、知识图谱中的节点和边、以及可能的缓存和备份。

当前状态：Mem0 和 Zep 都声称支持 GDPR 合规，但完全的"被遗忘权"实现仍然需要工程上的额外工作，特别是在涉及图记忆和缓存层时。

7.3 记忆过时与知识衰减

记忆系统面临的另一个安全和质量挑战是记忆过时（Memory Staleness）。存储的事实可能随时间变得不准确，但如果系统没有机制来检测和更新过时记忆，Agent 可能会基于陈旧信息做出错误决策。

目前的解决方案包括：

• 时间衰减：记忆的检索权重随时间自然衰减
• 显式过期：为每条记忆设置过期时间
• 主动验证：定期使用 LLM 检查记忆的一致性
• 用户反馈驱动：当用户纠正 Agent 时，自动更新相关记忆

8. 开放问题与未来方向

8.1 尚未解决的核心问题

8.2 2026 年的关键趋势

1. 混合存储成为默认：纯向量存储正在被混合向量-图谱架构取代
2. 评测标准化：LoCoMo、LongMemEval、BEAM 正在成为行业标准
3. 记忆即上下文工程：Anthropic 的 Context Engineering 工作将记忆从"存储层"重新定位为"上下文组装层"
4. 声明式与自动提取融合：编码 Agent 的 CLAUDE.md 模式与自动提取管道正在融合
5. 隐私优先设计：OpenMemory MCP 代表了本地优先、用户控制的记忆架构方向

总结与展望

• 三层认知模型已成为行业共识：情景记忆、语义记忆、程序记忆的分类体系从认知科学迁移到了 Agent 架构中，Mem0、Zep、Letta 等框架都在这个框架下实现各自的差异化

• 混合向量-图谱存储是 2026 年的事实标准：纯向量存储在关系推理和时序推理上的结构性缺陷已被充分证明，多信号检索融合（语义 + 关键词 + 实体）带来了显著的性能提升

• Mem0 在规模和易用性上领先，Zep 在时序推理上领先，Letta 在长时间运行 Agent 上领先：没有单一框架在所有维度上最优，选型需要根据具体场景的需求优先级决策

• 标准化评测基准的出现标志着领域成熟：LoCoMo、LongMemEval、BEAM 使不同记忆架构的对比第一次变得可量化、可复现

• 记忆安全和隐私仍是未充分解决的挑战：记忆投毒、GDPR 合规、记忆过时检测等问题需要更多工程实践和标准制定

未来 18 个月，Agent 记忆领域最值得关注的进展方向是程序记忆的工具化（Agent 如何从经验中学习"怎么做"而不仅仅是"知道什么"）和跨 Agent 记忆共享（多个 Agent 如何安全地共享和协调它们的知识）。这两个方向的突破将决定 Agent 能否从"有用的工具"进化为"真正的团队成员"。

参考资源

• Memory in the Age of AI Agents: A Survey — 最全面的 Agent 记忆综述论文，提出三层分类体系（Form/Function/Dynamics）
• Mem0 v3 算法与评测 — Mem0 的最新研究，LoCoMo 92.5 分，LongMemEval 94.4 分
• Graphiti: Temporally-Aware Knowledge Graph Engine — Zep 的时序知识图谱引擎论文
• Letta: Is a Filesystem All You Need? — Letta 关于文件系统记忆的基准测试，LoCoMo 74.0 分
• LoCoMo Benchmark — Snap Research 的多会话对话记忆评测基准
• LongMemEval Benchmark — 时序推理和知识更新的评测基准
• BEAM Benchmark — 百万级 token 规模的记忆系统评测
• Mem0 GitHub — 开源记忆框架，~48K Stars
• Graphiti GitHub — Zep 的时序知识图谱引擎
• Letta GitHub — Agent 自管理内存的 OS 风格运行时
• Agent Memory Paper List — Agent 记忆论文清单，持续更新