Agent Memory 架构的十个共识
pauliusztin · reddit · 2026-07-15
作者系统梳理了 Cognee、Graphiti 和 Neo4j agent-memory 的实现，认为它们虽然产品形态不同，但核心架构高度相似。
共同架构要点
- 知识图谱 + 向量/文本检索并存：不是三选一，而是融合在同一存储层里。
- 本体/数据模型是核心：所有抽取与查询都围绕统一 schema 展开。作者提到 Neo4j 的 POLE+O（Person、Object、Location、Event、Organization）以及 preference、fact 节点。
- 尽量单库化：把 text search、graph 和索引放在一个数据库里，减少运维复杂度；作者认为 MongoDB 也可以做成单库方案。
- LLM 负责抽取：通过分块输入抽取节点和边，并用 batching 与便宜模型控制成本。
- 解析和去重分开做：先 resolve 名称，再判断身份合并；因为“错误合并”是不可逆的。
- 夜间清洗/再去重：定时重跑 dedup，类似记忆的“睡眠巩固”。
- 日志 vs 单集合：append-only 有版本和时间性，但内存成本高；不需要版本时单集合更实用。
- 三种查询方式：图搜索、agentic search、按需生成的 LLM wiki。
- 先用闭源 API，再替换开源 SLM：在成本、延迟或隐私需要时再切换。
- 通过 MCP 和 skills 暴露：把它包装成 memory app，而不是数据库 wrapper，只提供必要的 ingest/write 原语。
作者最后说，他自己也在做 agent memory，目前最大的难点是如何在 ontology 设计上平衡深度与广度。
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
- OpenAI 发布 GPT-6.1 Terra，Brockman 称电脑操作已快过人类 — gdb · 2026-10-27
- Kolab 基准：真人屏幕录像揭示 AI Agent 高估自身协作质量 — minnesotanlp · 2026-10-27
- 开发者吐槽 Claude 烧 token：同样工作 GPT 省 3 倍用量更便宜 — haider1 · 2026-10-27
- InfoWorld：别把模型当地基，Agent 架构必须做到 48 小时可换模型 — rseroter · 2026-10-27
- 便宜模型跑 Agent 反而更贵：线性往返堆爆上下文窗口 — vasuman · 2026-10-27
- 5 千行 Rust 单二进制看板 Kanzo：给 Claude Code 当任务板 — allmudi · 2026-10-27