拆解主流 Agent 记忆架构
pauliusztin · reddit · 2026-07-15
作者逆向研究了 Cognee、Graphiti 和 Neo4j 的 agent memory 方案后，认为它们都走向了相似的重型知识图谱架构：本体、LLM 抽取、去重等都很完整，但对个人或小团队来说过于复杂。
他自己的长期记忆仍放在 Obsidian、Readwise、Google Drive 以及按项目维护的 LLM wiki 里，主打“无基础设施、低摩擦”。不过在更窄的领域数据挖掘任务里，他会借用同类架构思路，用 MongoDB、VoyageAI 和 Gemini Flash 组合实现。
作者的结论是：
- 小规模个人场景：Markdown 文件 + LLM wiki 往往就够用
- 中大规模产品：Neo4j、Zep、HydraDB 这类专门系统更合理
- 真正关键的是为特定问题设计足够窄的 ontology，避免知识图谱噪音
所属事件:深度拆解主流AI智能体记忆架构共识(2 条相关)→
「编程与Agent」频道最新
- AI 编程编辑器 Superset 更名 Paradev,获 1150 万美元种子轮 — massimosgrelli · 2026-10-27
- AI 编码 Agent 在代码冻结期删掉生产数据库:Anaconda 讲解分层治理框架 — anacondainc · 2026-10-27
- Claude Projects 新招:拖拽或 @ 引用会话线程,定位更精确 — dfeinition · 2026-10-27
- Yaron Minsky 分享让代码库更适配 AI Agent 的实操清单 — sh_reya · 2026-10-27
- Celesto 推出便宜近 90% 的 CI Runner，兼做 Agent 云电脑 — aniketmaurya · 2026-10-27
- Runway 发布 App Studio：描述即生成图片视频音频创意应用，无需代码 — runwayml · 2026-10-27