上周我在 vLLM 北京 Meetup 和 KCD（Kubernetes Community Days）做了这个分享：做 Nowledge Mem 的工程经验。
视频录像会尽快放出来，关注 @NowledgeMem 获取更新。
这篇文章比 slides 更深。如果你在现场，当作补充笔记。如果不在，这篇本身是完整的。
问题
你在 Claude Code 里花两个小时做了一个架构决策。第二天打开 Cursor，它对那个决策一无所知。
这就是 2026 年 AI 记忆的现状。每个工具各做各的：ChatGPT 存键值对，Claude 用文件系统，Cursor 用 glob 规则。互不相通。一个重度用户每天用 4、5 个 AI 工具，每个都以为自己是唯一的。
问题不是 AI Agent 要不要记忆。是要什么样的记忆，以及怎么建，才不至于最后变成一个垃圾抽屉。
三种范式
说到「AI 记忆」，不同的人指的是完全不同的东西。
参数记忆把知识编进模型权重。KBLaM（Microsoft, 2025）和 MSA（EverMind, 2026）走的是这条路，通过微调和权重级别的集成。这是模型层面的事。
Agent 记忆让 Agent 有跨会话的持久性。大部分精力投在这里：MemGPT 把 context 当 RAM 管，Mem0 做中间件（融了 $24M），Zep 做双时态知识图谱，MemOS 提出统一的记忆 OS。后面要讨论的挑战大多从这里来。
记忆即产品是我们所在的层。它继承了 Agent 记忆的所有挑战，还多出来几个：跨工具连续性、时间推理、知识演化，以及一个很实际的问题——用户凭什么信任一个 AI 系统来管他的知识。
设计思路的演进
过去三年，这个领域走了四个阶段：
- 认知模拟（2023）。Generative Agents 引入了 memory stream + reflection。Voyager 把可执行代码存成 skill。第一批认真做记忆巩固的工作。
- OS 隐喻（2023–25）。MemGPT 的类比最干净：context 是 RAM，LLM 是 CPU。MemOS 把它扩展到可调度的记忆资源。
- 数据基础设施（2024–25）。Mem0 证明这不只是学术问题。Zep 做了 temporal KG。AWS AgentCore 把基础能力商品化了。
- 可学习记忆（2025–26）。A-MEM 自组织索引（Zettelkasten 风格）。MemSkill 用 PPO 学习操作策略。MemEvolve 连架构一起进化。
方向是一致的：关于记忆结构和演化的决策权在持续从人转向 Agent。四个阶段共享一个假设：记忆服务于 Agent。
认知科学给我们的启发
设计 Nowledge Mem 的时候，我本来以为收获最大的会是功能映射——人类认知的哪些能力对应软件的哪些模块。结果真正有用的是约束的映射。
人的注意力有限，context window 也有限。睡眠是离线巩固，后台 pipeline 也是。人的存储廉价但检索昂贵——向量数据库的 recall@k 同样很差。而且两边都需要主动遗忘：被噪声淹没的记忆系统和被信息过载的大脑一样。
这些不是类比。是同样的信息论瓶颈，在不同基底上反复出现。
认知映射：人类认知与 AI 记忆架构之间的约束对应
有一个概念特别有用：Working Memory 作为注意力预取。灵感来自 Baddeley 的工作记忆模型（容量有限、注意力聚焦、桥接短期和长期），我们做了一个每日的 Working Memory，由后台 Agent 从 10K+ 条记忆中筛选出来。它挑今天最相关的几条，参考社区信号、衰减分数和近期活跃度。你可以把它理解为 L1 cache，但面向的是人类注意力。
输出是一个纯 Markdown 文件（~/ai-now/memory.md），任何 Agent 都可以直接读。每天轮换。有用户跟我们说：「每天早晨第一件事就是看 morning briefing。」
桌面端 Working Memory 界面
五个核心挑战
每个记忆系统最终都会撞上同样的五个问题。
1. 蒸馏：90% 的对话不值得记
问题不是「要不要记」，而是「以什么形态记」。
「对 Agent 重要」不等于「对人重要」。「现在不重要」不等于「以后不重要」。save 和 discard 的二选一是错误的抽象。
我们把知识分解成三种形态：
- Trace：原始对话，完整保留
- Unit：提取的原子知识（fact、decision、plan、procedure），可搜索、可关联、可演化
- Crystal：3+ 个独立来源交叉验证后的稳定结论
这直接对应认知科学中 episodic 到 semantic 的巩固过程。从高保真到高密度。
最关键的设计洞察：type 决定演化模式。我们给 Unit 分了 8 种类型（fact、decision、plan、procedure、preference 等）。plan 会变成 decision，decision 会固化为 fact。这不只是打标签，是知识的生命周期。
三个工程决策影响最大：
Triage gate（约 50 tokens）。早期我们蒸馏每一条对话，token 浪费很严重。现在一个轻量预过滤器先判断对话是否值得进完整的提取管线。成本降了一个数量级。
用户意图即架构。 后台自动蒸馏用严格的质量门槛来省成本。但当用户主动点了蒸馏，那是产品意图，必须贯穿到 LLM prompt 里。这是一次真实 postmortem 的教训：在自动捕获中忽略了用户意图，导致质量悄悄下降。
从已有分类中自动标注。 Agent 从你已有的标签里选，不会发明新分类。你的标签体系是你自己建的，系统只是学着用。
记忆蒸馏管线：从对话到结构化知识
2. 检索：记住了找不到，等于没记
速度不是瓶颈。真正难的是 query 和记忆之间的语义鸿沟。
我们做了一个两级检索管线：
快路径（约 100ms，处理 90% 的查询）。向量搜索 + 全文搜索 + 实体匹配 + 社区检测 + 标签过滤 + 图谱遍历，并行执行。多源命中 +5% boost，Crystal +25%，最新版本 +15%。
深路径（处理难的 10%）。LLM 意图分类把查询路由到 5 种意图类型，每种有不同的权重分配。概念类查询偏 60% 向量，事实类查询偏 50% 全文搜索。HyDE 桥接表述差异。LLM rerank 按 0.7 LLM 分数 + 0.3 语义分数混合。GraphRAG 补充推理能力。
每条结果带 source_thread_id。Agent 需要更多上下文时，直接拉原始对话。记忆不用塞所有东西，有好的指针就够了。
搜索管线：快路径与深路径
3. 时间：记忆有两个时钟
大部分记忆系统只有一个 created_at。但「2020 年发生了什么」和「这周加了什么」是完全不同的问题。
我们追踪两个独立的时间维度：
- 事件时间：事情发生的时候
- 记录时间：我们保存的时候
配合精度追踪。你说「2020 年」，我们存 2020-01-01 + precision=year，UI 显示「2020」而不是「1 月 1 日」。LLM 说「前几年」，confidence 低于 0.3，直接不存日期。不猜。
检索优化是一个三层级联：
- 正则预过滤（微秒级）。negative lookahead 防止「last resort」误触发时间提取。
- 3-token LLM 门控（约 15ms）。yes or no：这个查询有没有时间意图？
- 完整提取（128 tokens）。type + value + confidence。
90% 的查询在第 1 层或第 2 层就结束了。昂贵的第 3 步很少触发。
最终排序公式中，时间 boost 上限 0.15（满分 1.0）。语义相似度主导，权重 0.65。时间辅助排序，但不驱动排序。
Timeline：双时态 Working Memory 与活动日历
4. 演化：知识不能只增不变
真实的知识会变。你学到了和之前矛盾的东西。一个 plan 变成了 decision。一个假设被验证了。
我们用四种演化关系来建模。工程师一般秒懂，因为能直接映射到 Git：
| 关系 | 含义 | Git 类比 |
|---|---|---|
replaces | 新理解取代旧理解 | force push |
enriches | 补充已有知识 | merge |
confirms | 独立来源验证 | approve |
challenges | 矛盾信息出现 | conflict |
一个边属性 is_progression 把版本链（replaces/enriches = true）和验证信号（confirms/challenges = false）分开。比四种独立的边类型更有表达力，也更紧凑。
知识转化管线（Trace → Unit → Crystal）不只是版本控制。Crystal 形成要求 3+ 个来源：2 个是巧合，3 个是模式。Insight 有三层代码级质量门控：空的不发、没有证据的不发、少于 30 字的不发。
为什么是代码级？因为 LLM 的质量会退化。prompt 里写了「不要发空 insight」，弱模型可能忽略。if zero_insights: return None 永远不会退化。
矛盾出现时，系统不自动解决。把两个版本并排展示，用户来决定：保留新的、都保留、或者忽略。
Timeline 中的演进检测与版本历史中的人工裁决
5. 遗忘：遗忘是 feature
大部分记忆系统忽略这一点。没有遗忘的记忆系统是垃圾场。
我们研究了两个框架：
- ACT-R（John Anderson, Carnegie Mellon）：几十年的工作，研究人脑如何激活和遗忘记忆
- FSRS（叶峻峣）：计算最佳复习时机，现在是 Anki 的默认算法
两个都很好，但解决的问题不同。FSRS 优化的是「我还记不记得这个」，需要用户显式评分 1 到 5。我们的问题是「什么值得此刻被关注」，是被动检索，没有反馈回路。
所以我们拆成两个独立的分数：
衰减随时间下降。指数衰减加对数频次修正。记忆自然淡去。
置信度只升不降。每一次搜索命中、每一次点击、每一条 EVOLVES 关系、每一次被 Crystal 引用，都在积累证据。confidence = max(new_value, old_value)，永远不会减少。
重要性保底。 关键记忆（decision、核心 insight）有一个最低分数。即使几个月没碰过，也不会沉到搜不到。
代替显式评分，我们用 6 种隐式行为信号：搜索命中、结果展示、点击打开、阅读停留时长、EVOLVES 关联、被 Crystal 引用。EVOLVES 权重最高，因为知识图谱验证是我们拥有的最强置信度信号。
归档要求四个条件全部满足：衰减极低、零交互、超过 90 天、仍为活跃状态。系统宁可多留，不轻易删。
「没有遗忘的记忆系统是垃圾场。」
Memory Health 面板：衰减分布与置信度趋势
这些怎么组合到一起
超图
知识在系统里有三种形态（Trace、Unit、Crystal），组织在一个有 7 种节点、11 种边的图谱里。
图谱围绕渐进式揭露设计。Agent 不会一次加载全部。从轻量的语义搜索开始。需要更多上下文？查实体关系。需要历史？走版本链。需要全局视角？看社区聚类和 Crystal 洞察。
每一层有对应的原语工具。知识图谱不是用来看的，是用来 progressively traverse 的，每一次遍历都是一次推理。
渐进式知识图谱：从 Trace 到 Quality 层
后台智能
EVOLVES 检测、实体提取、Crystal 形成、Working Memory 筛选。上面提到的所有自动行为，运行在 13 项后台任务中，分两类执行模型：
定时任务（cron）。 5 AM 晨间简报 → 归档昨日 WM → 生成今天的。6 AM 衰减刷新（纯计算，不调 LLM）。每周洞察检测、Crystal 巡检、低活跃记忆 compaction。每两周 Louvain 社区发现 + AI 摘要。
事件驱动（级联触发）。 一条新记忆进来，三条管线同时启动。EVOLVES 检测（30s debounce）、KG 实体提取（30s）、WM 增量刷新（300s）。如果 EVOLVES 发现 3+ 条关联记忆，自动触发 Crystal 评估。这是级联，不是调度。
任何任务启动前，context injection 预计算 Agent 需要的东西：48 小时活跃摘要、图谱统计、昨日 WM。硬上限 ~25K tokens。Agent 不做 discovery，每个 token 花在决策上。
四层护栏控制成本和噪音：
- Debounce：30s/300s 合并突发事件
- Rate limit：15 tasks/h，超额排队不丢弃
- Token budget：per-task + per-hour + per-day 三层
- Quality gate：代码级。空简报直接吞掉，连事件都不产生
掌控感
没有掌控感的记忆系统就是个数据库。掌控感体现在几件事上：
- 可见。 图谱可视化、版本历史、社区聚类。
- 可操作。 编辑、删除、矛盾裁决、标签管理。
- AI 原生。 自然语言调度任何知识任务。「帮我整理上周的 decision。」「分析我在 React 领域的知识分布。」
- 数据主权。 本地存储、非二进制格式、随时可导出、丰富的 API（包括图谱可视化 API）。
- 无处不在。 桌面端、iOS、Android、TUI、CLI、MCP。
看不到就不信任，不信任就不用，不用和没有一样。
图谱探索：社区聚类、节点重要性、全局分析
连接层
做记忆系统是一回事。把它接到用户实际在用的每一个工具上，更难。
8 个原生插件：Claude Code、Cursor、Codex、Gemini CLI、OpenClaw、Bub、Alma、Droid。浏览器扩展自动同步 14 个 AI 平台的对话。原生连接 Obsidian、Apple Notes、Notion。桌面端、iOS、Android、CLI、Raycast、MCP。
每个插件有完整的生命周期，不是简单调一下 MCP。启动时注入 Working Memory，过程中捕获知识，结束时蒸馏入图谱。
每个工具有自己的 session 模型。Claude Code 是长对话，Cursor 是短任务，浏览器标签页是零散片段。连接层让知识在所有工具之间流动。
跨 Agent 连接层：个人知识图谱在中心
做了一年之后的四个判断
A. 记忆变成了标配。 每个 AI Native 产品都在做自己的记忆。ChatGPT、Claude、Cursor、Gemini，各不相同，互不兼容。这不会自己收敛。需要一个聚合层，像 1Password 管密码那样管知识。
B. 记忆比工具活得久。 2023 年的 Agent 框架还有几个活着？Langchain、AutoGPT、BabyAGI。工具会换代，记忆不能跟着消失。本地存储、开放格式、随时可导出。用户掌控不了自己的数据，就不会信任你。
C. 记忆系统的瓶颈在智能，不在存储。 五个挑战归根到底都是这一条。蒸馏是分类，检索是排序，遗忘是注意力分配。记忆系统的核心不是数据库，是一条决策链，每一步都需要 Agent 级别的判断力。
D. 记忆的终局是可执行的经验。 记忆 → 结晶 → 技能。CLAUDE.md 和 SKILLS.md 今天是手写的判断力形式化。抽象是对的，但是手工活。SkillCraft（Chen et al., 2026）证明 tool composition 可以缓存为 skill，token 降 80%。Yansu（Isoform）走得更远：结晶知识变成可执行应用。下一步是让系统从记忆中自动生成。
接下来
图上学习。 图谱目前做存储、遍历和图算法。下一步是 GNN-based 的预测性推理，在端侧运行。哪些记忆即将过时？哪些 decision 之间有冲突？哪些跨领域的隐性连接还没被发现？从被动问答到主动预警。
结晶 → 技能自动化。 Crystal pipeline 已经产出了 Agent skill 的原料。SkillCraft 和 Yansu 指明了方向。下一步是谨慎地自动化这条链路：记忆 → 结晶洞察 → 经过验证的可执行技能。
自适应记忆架构。 MemEvolve 证明记忆架构本身可以被进化。不同用户和工作流需要不同的记忆策略、衰减参数、检索偏好。我们的方向是让系统学习每个用户的记忆风格，但有一个硬约束：用户必须能理解和信任系统的判断。Personalized，不是 fully autonomous。
基于 2026 年 3 月 21 日在 vLLM 北京 Meetup 和 KCD（Kubernetes Community Days）的分享。视频录像即将放出，关注 @NowledgeMem 获取更新。
Slides: https://siwei.io/talks/memory-2026/