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。
Vector Memory 深度剖析：一套讓 AI Agent 再也不失憶的生產級記憶系統
狀態失憶是 Agent 生產環境的 #1 殺手。我們建了一套基於 Qdrant + BGE-m3 的四層向量記憶系統，9 種檢索模式，6,675 條記憶實戰驗證，中文搜尋精確度從 0% 拉到 >78%。一行 curl | bash，100% 本地部署，數據主權在你手中。
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。
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。
10 大向量與全文數據庫完整對比：MemoryHub 後台存儲選擇指南
深度評測 Qdrant、Chroma、LanceDB、SQLite-vec、FAISS、Redis、PostgreSQL（pgvector）、Elasticsearch、MongoDB Atlas、Neo4j 十個數據庫在 AI 記憶系統場景下的性能、部署難度、資源消耗與適用場景。
MemoryHub 實戰安裝與使用完全指南：從零到四平台自動記憶捕獲
手把手教你安裝 MemoryHub v2.0：從 Docker 環境準備、pip 一鍵安裝、四平台 MCP 配置、Dashboard 使用技巧，到日常維護與故障排查的完整流程。
MemoryHub v2.0 十庫同步全記錄：從 0 點到 3,892 條記錄的 6 小時攻堅戰
完整記錄 MemoryHub 從單體 Qdrant 到十數據庫統一嵌入管線的技術演進——18 個 Bug 修復、Python 作用域陷阱、BGE-m3 維度錯誤、系統 Python 依賴缺失，以及最終實現一次嵌入→十庫同步的完整架構。
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。