早期的聊天机器人是「无状态」的：关掉对话，什么都没留下。Agent 时代不一样——它要跨会话记住你的偏好、项目的上下文、上一次做到哪一步。2026 年以来，GitHub 上 Agent 记忆相关项目密集出现，这几乎成了 Agent 框架的下一场标配竞赛。

记忆不是一种，至少分四种

  • 工作记忆：当前任务正在用的上下文，通常就是模型窗口里那几万 token，任务结束就丢弃
  • 长期记忆：跨会话持久化的事实与偏好，一般存向量数据库，需要时检索回来
  • 情景记忆：记录「上次怎么做的、结果如何」，供下次复用经验
  • 程序化记忆：把可复用的流程沉淀成技能或工具，让 Agent 不用每次从头推理

很多人把「记忆」简单理解成 RAG，其实 RAG 只是长期记忆的一种检索实现。真正难的是：什么时候该记、什么时候该忘、冲突时信哪个、记忆怎么随任务演化。

2026 年 GitHub 上的几个方向

  • OpenBot（3485★）：每个 AI 同事拥有独立的浏览器、文件与工具，记忆天然隔离，互不污染
  • cumora（3259★）：Agent 团队聊天室，会话历史即团队记忆，可接 Claude Code、Codex 等大脑
  • TencentDB-Agent-Memory：把 Agent 记忆当数据库服务来管，强调结构化存取，而不是丢进向量库了事

落地建议

  1. 先分清要哪种记忆：跨会话偏好用长期记忆，任务内中间态用工作记忆就够了
  2. 长期记忆优先用「结构化记录 + 向量检索」组合，别只依赖模糊检索
  3. 给记忆加版本与来源标注，冲突时优先相信最新且可验证的来源
Agent 的记忆做得好不好，看两件事：找得回来，和忘得掉。什么都记的 Agent 和什么都不记的一样难用。