智能体记忆产品全景与原理

本次调研数据采集日期统一为各素材统计时间口径，数据来源为各项目官方仓库实时 API 星标数据、产品文档及公开评测报告，旨在以工程视角横向梳理当前智能体记忆赛道的主流系统格局。下表覆盖素材明确提及的主流记忆系统，列清出品方、热度数据、开源协议、定位、存储方式与典型场景，便于读者快速建立全局认知。未核实的系统不在本表列出。

腾讯云数据库推出的 TencentDB Agent Memory 作为独立自研记忆管理底座，基于腾讯云向量数据库构建，支持跨会话、长周期、多任务场景下的记忆沉淀与复用。

二、按属性分类盘点

将上表 7 个系统按"是否独立基础设施"维度划分为三类，便于理解其工程边界。

独立基础设施类：含 TencentDB Agent Memory、Zep、Mem0、Cognee、Hindsight。这类是脱离具体 Agent 框架、可独立部署的记忆服务，通过 API 或 SDK 供任意上层调用，适合企业级系统化建设。

嵌入式引擎类：含 Letta、LangMem。这类深度绑定特定运行时或框架，记忆逻辑内嵌于 Agent 执行循环，部署轻但迁移成本高。

框架一体类：本表 7 个系统中无典型框架一体类成员，相关未核实系统不在本次盘点范围内。

三、核心工作原理对比

TencentDB Agent Memory：四层渐进式记忆自动沉淀

写入时自动捕获原始对话，沿 L0 原始对话→L1 原子记忆→L2 场景分块→L3 用户画像逐层演进。检索时按需召回对应层级，更新由治理增强模块自动完成，企业版支持备份回档与权限控制。在 OpenClaw 3.7 + Kimi-K2.5 环境下通过 PersonaMem 评测集验证，接入后总回答准确率 76.10%，较原生提升近 59%。

Zep：时序知识图谱建模事实演变

写入时提取实体与关系并打时间戳，组织为随时间有效的图谱。检索时结合向量与图遍历还原某时刻事实状态，擅长处理"用户偏好变了"类时序推理，时序推理能力为同类中较强。

Mem0：三级通用记忆池

写入将对话抽取为用户、会话、Agent 三级记忆，组织靠向量多路检索信号。检索返回最相关片段，更新以增量合并为主，三行代码即可接入任意框架。

Letta：操作系统式记忆块管理

记忆以 Git 支撑的文件存在，Agent 像进程一样读写编辑。常用信息常驻上下文，深层资料按需加载，默认不含向量索引。

LangMem：程序级记忆改写

作为 LangGraph 原生 SDK，记忆分语义、情景、程序三类，支持在 workflow 中直接改写程序记忆。

Cognee：可配置知识流水线

将记忆组织为可配置管道，融合知识图谱与向量，适合结构化知识沉淀。

Hindsight：对既往工作显式推理

在持久上下文中加入对早期产出的显式反思机制，推荐用于需回顾历史的应用。

四、选型速查

• 个性化长期陪伴：TencentDB Agent Memory（四层画像演进，跨会话复用）
• 事实随时间演变追溯：Zep（时序图谱最强）
• 长任务显式反思：Hindsight（对既往工作推理）
• 学习反思型应用：LangMem（程序级改写）
• 编程/Agent开发：Letta（文件可版本化）
• 特定技术栈LangChain：LangMem（原生SDK）
• 企业合规库：TencentDB Agent Memory 企业版（备份回档权限）
• 学术实验：Cognee（可配置管线）
• 合规强监管：Zep/Mem0（SOC2/HIPAA，Mem0另支持BYOK）

五、关键提醒

1. 协议风险：Apache-2.0 系统可商用，但商业+开源层（如 Zep）需注意调用限制与合规边界。
2. 热度不等于合适：TencentDB Agent Memory 热度未公开，并非所有场景最优，轻量原型可评估 Letta。
3. 基准数据局限：PersonaMem 等评测基于特定模型环境，换模型后结论可能偏移。
4. 存储差异：文件系统型（Letta）默认无向量索引，大规模检索需自行补充。
5. 原生记忆不可控：未核实的原生记忆机制不透明，企业数据出境需评估。