AgentMemory

编码 Agent 的持久记忆层，跨 15+ Agent 共享

更新于 2026-07-07

一句话定位

编码 Agent 的持久记忆层，跨 15+ Agent 共享

基于 iii engine 的编码 Agent 记忆系统。静默捕获→语义压缩→智能注入，LongMemEval 召回率 95%，年 token 成本从 $500 降到 $10。Claude Code/Copilot/Cursor 等 15+ Agent 共享同一记忆服务器。

Agent 为什么健忘

• LLM 无状态：每次调用独立，不记前事
• 上下文窗口有限：长对话被截断，早期信息丢失
• RAG 只覆盖知识：检索外部文档，但不记用户交互历史
• 记忆与推理割裂：缺乏统一的记忆管理抽象

为 Agent 装上记忆系统

记忆的生命周期

• 向量化存储：embedding + 向量数据库支持语义检索
• 相关性召回：按当前上下文动态注入相关记忆
• 记忆衰减：低频/过期记忆自动降权，模拟人类遗忘

适合谁用

• 构建长期陪伴型 Agent：需要记住用户、延续关系
• 多会话工作流：任务跨多次对话，需保持状态
• 个性化推荐/助手：基于用户历史做个性化决策

需要权衡

• 隐私与合规：长期记忆涉及用户数据存储，需谨慎处理
• 记忆污染：错误信息一旦记忆，会持续误导 Agent
• 检索成本：记忆库增大后检索延迟与成本上升

未来空间

Agent 记忆层早期探索。若 Agent 长期记忆成为标配能力，此类专用记忆库有独立生态空间，但面临框架内置记忆的竞争。