Agent 記憶系統全景圖：2026 年五大方案深度對比
記憶是 Agent 的第一性問題——沒有記憶的 Agent 只是高級 chatbot。本文對比 agentmemory / PlugMem / Infini-Memory / verifiable-memory / Qdrant+MemoryHub 五種方案，提供場景選擇矩陣。
AI 記憶調用的工程學：四路存取路徑 × 十大場景全矩陣實測報告
當 AI 助理需要「記住一切」，它用什麼方式調用記憶？文件直讀、Qdrant 向量搜索、MemoryHub 捕獲管線、agentmemory 語義索引 — 四條路徑在十種真實場景下的實戰對比，揭露每條路徑的邊界與甜蜜點。
MemoryHub 輕量化改造實錄：從 10 個數據庫砍到 5 個，RAM 從 6.2GB 降到 500MB
當你把 Neo4j、Elasticsearch、MongoDB 從 AI 記憶系統中刪掉，只留 Qdrant + FAISS + SQLite-vec 三件套，再用 193MB 的 bge-small-zh 替換 9.1GB 的 BGE-m3 — 會發生什麼？一份完整的性能解剖、嵌入模型對比和面向普通電腦的裁減方案。
XSkill 深度源碼分析：一個 ICML 2026 論文的技術設計、風險與對 MemoryHub 的啟發
從 Skill 三階段生命週期、Experience 兩層結構、跨軌跡對比批評，到級聯失效、嵌入檢索盲點、過度合併風險 — 一篇對 XSkill-Agent/XSkill 的完整技術解剖，附帶對君澤智庫記憶系統的適用性評估。
Polyglot Persistence 實戰：十數據庫記憶系統全流程評測
從 BGE-m3 向量嵌入、十路同步寫入，到九大後端搜索質量與速度對比——一次完整的 AI 記憶系統壓力測試。Qdrant 是語義之王，FAISS 是速度之王，Neo4j 是關係之王。
MemoryHub v2.0 系統架構深度解析：從 Capture Daemon 到 MCP 即時記憶捕獲
完整拆解 MemoryHub v2.0 的雙模式捕獲引擎、Qdrant 向量存儲、MCP 四平台整合、Dashboard 實時監控、三層去重與十年生命週期設計。
agentmemory 全功能部署實錄：從 GitHub Trending 到四平台自動記憶捕獲
完整記錄 agentmemory (13K⭐) 的深度調研、全功能部署、OMLX LLM 接入、Qdrant 雙記憶同步，以及 OpenClaw / Claude Code / Hermes / DeepSeek TUI 四大平台的自動記憶捕獲配置。
十日落坑錄：AI 助理系統建設的 16 個致命教訓
過去 10 天 UltraClaw 從對話機器進化為系統級 AI 助理的完整踩坑記錄 — 16 個坑、5 種根因模式、12 項強制規則，以及從中提煉的系統建設元原則。