11 个主流 Agent 记忆项目,一张图看清:谁做平台、谁做协议、谁做分身——以及你该选哪个
更新于 2026-08-13 · 系列专题页(非单项目详情)
← 返回汇总大模型上下文窗口再大,也存不下用户的全部历史、偏好、长期任务。Agent 要「记得你」「能成长」,记忆层是刚需——于是开源社区一年内冒出十几个项目,各有侧重,命名还都带 mem/memory,极易混淆。
即便百万 token,长对话/长期任务仍会丢信息,需要外部记忆持久化与检索。
用户希望「这个 Agent 记得的,另一个也能用」,记忆要能解耦、可迁移。
Agent 从交互中学习用户习惯,变成「懂你的专属助手」,记忆是学习的基础。
注:usememos/memos 原本是笔记工具,不是严格意义的 Agent Memory,本专题作为「个人知识存储」对照参考列入。Second-Me、OpenViking 为国产(字节/MiniMax 孵化的 mindverse)。
按「做什么」分层,是理解这堆项目的关键——别只看名字都带 mem:
| 项目 | 定位 | 核心机制 | 形态 | Stars |
|---|---|---|---|---|
| Mem0 | 通用记忆层 | 抽取+向量化事实,跨模型复用 | SDK/库 | 63k |
| Letta(MemGPT) | 有状态 Agent 平台 | 分级记忆(core/archival),自管上下文 | 平台+SDK | 24k |
| Supermemory | 记忆+上下文引擎 | 可本地全量部署的记忆 API | 平台+App | 29k |
| OpenViking | 自进化上下文 DB | 统一 Agent 记忆+RAG+技能 | 数据库 | 28k |
| Hindsight | 会学习的 Agent 记忆 | 不止回忆,从历史中归纳 | 库+云 | 20k |
| Second-Me | 个人 AI 分身 | 训练「你的 AI 自我」,可外接桥接 | 成品 | 16k |
| memU | 个人记忆 Wiki | 跨会话/Agent/设备,核心逻辑仅 500 行 | 轻量库 | 14k |
| ReMe | 记忆管理 Kit | Remember/Refine 记忆管理套件 | 库 | 3.3k |
| text2mem | 记忆操作语言/IR | 模糊意图→可审计 JSON IR,跨后端 | 协议 | 57 |
| MetaMem | 元记忆研究(ACL'26) | 自反思符号优化知识利用 | 论文 | 42 |
| usememos/memos | 自托管笔记(对照) | Markdown 原生快速记录 | App | 62k |
| 维度 | Mem0 | Letta (MemGPT) | Supermemory |
|---|---|---|---|
| 核心理念 | 记忆即层(像 DB 之于数据) | Agent 自管上下文(OS 虚拟内存隐喻) | 记忆即引擎/大脑 |
| 记忆结构 | 抽取事实 → 向量库 | 分级:core(对话内)+ archival(长期) | 统一记忆+上下文,可本地全量 |
| 形态 | SDK/库,易嵌入 | 平台+SDK,有 Agent 宿主 | 平台+App+API |
| 适合 | 给现有 Agent 加记忆 | 从零建有状态 Agent | 个人/企业「第二大脑」 |
| 体量 | 63k stars(最大) | 24k,学术血统(MemGPT) | 29k,产品化最成熟 |
三者是 L1 主流。Mem0 最轻、最易集成;Letta 概念最深(虚拟内存隐喻),适合研究型;Supermemory 产品形态最全。OpenViking(字节,28k)走「上下文数据库」路线,把记忆/RAG/技能统一进一个 DB,偏基础设施。
mindverse(国产)。训练「你的 AI 自我」,可作个人分身对外服务。卖点是个性化人格而非通用助手。
个人记忆存成 Wiki,跨会话/Agent/设备共享。核心逻辑仅 500 行,可读可改,适配 Codex/Claude Code/Cursor 等编码 Agent。
vectorize 出品。不止回忆对话,而是从历史中归纳学习,让 Agent 越用越聪明。有论文+云服务。
共同点:都是给终端用户的「记得你的 AI」,记忆是核心卖点而非插件。区别在 Second-Me 偏人格化分身、memU 偏轻量透明、Hindsight 偏学习进化。
text2mem:把模糊的记忆意图转成可审计的 JSON IR,跨 Provider/存储后端可移植——想做记忆层的「统一语言」。ReMe:AgentScope 的记忆管理 Kit,Remember/Refine 双轮。两者都试图解决「记忆系统不互通」的新兴问题,体量小(57/3.3k)但方向值得关注。
MetaMem(ACL'26):研究元记忆的自反思符号优化,提升知识利用率,纯学术。memos:自托管 Markdown 笔记(62k stars),严格说不是 Agent Memory,但常被拿来作「个人知识存储」对照——若你只要存笔记不要 Agent,选它。
Agent Memory 是 AI 应用的「水电煤」——只要 Agent 还要服务具体用户,记忆层就不可缺。短期 Mem0/Letta/Supermemory 三足鼎立格局已成;中期看点在协议层(记忆 IR 谁来标准化)与学习层(从记到学的跃迁)。对开发者:现在接 Mem0 最稳;对研究者:Hindsight/MetaMem 的「记忆即学习」方向最有想象力;对用户:Second-Me/memU 这类分身最快能摸到「懂你的 AI」的体验。