一個沒有記憶的 AI Agent 每次對話都在重新認識你。記憶不是功能，是 Agent 存在的前提。
記憶為什麼是 Agent 的第一性問題？
三個數字說明問題：
| 數據 | 說明 |
|---|---|
| 200 行 | .cursorrules / CLAUDE.md 的有效上限 |
| 10 分鐘 | 一個活躍 Agent session 的 context window 飽和時間 |
| 0% | LLM 在 session 之間的默認記憶保留率 |
沒有持久記憶的 Agent = 每天失憶的同事。你再信任他的能力，也不敢把長期任務交給他。
五大方案全景對比
1. agentmemory（23.5K⭐ · TypeScript · Apache 2.0）
- 核心思路：基於 Andrej Karpathy 的 LLM Wiki 模式，加上信心評分、生命週期、知識圖譜
- 優勢：生態最成熟（49 releases, 40 貢獻者），支援所有主流 Agent（Claude Code / Codex / Copilot / OpenClaw）
- 架構：MCP Server + 插件 hooks，同一記憶伺服器跨 Agent 共享
- 劣勢：中文支援弱（實測檢索命中率低），對非 coding agent 場景適配不足
- 適用：多 Agent 編碼團隊，需要跨 Claude Code / Codex 共享記憶
2. PlugMem（152⭐ · Python · ICML 2026）
- 核心思路：把原始互動歷史壓縮為「緊湊可復用知識單元」，任務無關
- 優勢：學術 SOTA（LongMemEval & HotpotQA 雙冠），有正式論文背書
- 獨特設計：三層記憶（語義/程序/情節），支援記憶圖譜可視化
- 劣勢：生態較小，插件僅支援 OpenClaw 和 Claude Code
- 適用：需要學術級記憶品質的研究/知識密集型場景
3. Infini-Memory（6⭐ · Python · Apache 2.0 · 2026-06-09）
- 核心思路：把記憶當作「生命週期維護問題」——寫入、維護、讀取三階段
- 獨特設計：主題文檔結構，Buffer + 定期 Consolidation，檔案系統後端（零外部依賴）
- 優勢：極簡部署，Markdown 即數據庫，人類可讀可編輯
- 劣勢：極新（不到兩週），尚無生產驗證
- 適用：個人 Agent，需要輕量、可手動編輯記憶的場景
4. verifiable-memory（<10⭐ · Python · MIT · 2026-06-15）
- 核心思路：0% 幻覺內存——只從已存事實回答，不確定就說「不知道」
- 獨特設計：Merkle Proof（可證明某事實存在而不洩露其餘）、可證明遺忘（GDPR）
- 優勢：唯一做到「cite-or-abstain」的記憶系統，適合金融/法律/醫療
- 劣勢：不是推理引擎，只做 ground truth 層；極新，生態為零
- 適用：高合規場景（金融交易記錄、法律文件引用、醫療病歷）
5. Qdrant + MemoryHub + Headroom（我們的方案）
- 核心思路：三層分離架構——向量搜尋 + 結構化儀表板 + 上下文壓縮
- 優勢：已在生產環境運行，支援多平台 Session 整合，中文原生
- 架構：
- Qdrant（4,795 pts）：語義搜尋，跨 session 召回
- MemoryHub（6 collections）：全數據庫同步 + Dashboard 監控
- Headroom：壓縮工具輸出，減輕 context 壓力
- 適用：需要跨渠道（飛書/微信/Discord）記憶整合的個人/團隊
場景選擇矩陣
| 場景 | 推薦方案 | 原因 |
|---|---|---|
| 個人編碼 Agent | agentmemory | 生態最成熟，coding agent 原生支援 |
| 學術研究 / 知識管理 | PlugMem | ICML 論文背書，三層記憶結構 |
| 極簡個人助手 | Infini-Memory | Markdown 即數據庫，零運維 |
| 金融 / 法律合規 | verifiable-memory | 0% 幻覺，cite-or-abstain |
| 跨渠道整合（飛書+微信+Discord） | Qdrant+MemoryHub | 唯一原生支援多平台的方案 |
| 大型團隊 | agentmemory + verifiable-memory 混合 | 通用記憶 + 合規記憶分離 |
選擇建議
- 如果你只有一個 Agent：Infini-Memory 最輕量，開箱即用
- 如果你有多個編碼 Agent：agentmemory 生態最完整
- 如果你在乎中文 + 跨渠道：Qdrant + MemoryHub 是目前唯一方案
- 如果你的場景涉及合規：verifiable-memory 的 cite-or-abstain 是必須品
記憶系統沒有銀彈。選型取決於你的 Agent 數量、場景敏感性、和對「可編輯性」的需求。