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
- 开发者纠结 Cloudflare Agents SDK:原语齐全但担心厂商锁定 — MikkoH · 2026-09-11
- 团队级 AI Agent 落地难题：共享上下文和任务协调放哪里？ — Al_Grigor · 2026-09-11
- 为会动钱的自主 Agent 加信任层:违约限即无法签名 — Arpitbuilds · 2026-09-11
- MCP 链式调用无回滚：agent 工程的真实痛点 — agentrsdg · 2026-09-11
- DeepMind 等论文：设计文档当真相源，代码改为可抛弃产物 — Roger_M_Taylor · 2026-09-11
- 用 Agent 造小分类器：19 万文档标注成本仅 0.7 美元 — vanstriendaniel · 2026-09-11