开源 Engram 记忆引擎：借鉴数据库架构，跑平 Mem0
phecdaYm · reddit · 2026-10-18
受 DBMS 课程启发，开发者 phecdaYm 构建了一个不含 LLM 与分类器的 agent 记忆引擎 Engram，并开源（github.com/Yunsmn/engram）。
设计要点
- agent 存对话时附带简短摘要和若干带日期的事实；引擎无损压缩保存原始对话，并用 embedding 索引摘要、事实与文本小块
- 检索时按问题形状选布局：时间类问题优先给带日期事实，某些问题给完整对话，其余给摘要加最佳片段
- 引擎返回的文本会做标记，避免 agent 在后续对话中重复存储已知信息
评测结果
在 BEAM 128K split（400 题、官方 rubric 评分）上，统一用 gpt-4.1-mini 作答、每人 1300 token 记忆预算：Engram 56.8 分，Mem0 55.1，朴素 RAG 51.6。Engram 在时间类问题和「知道答案不存在」上更好，Mem0 在跟随用户偏好上更强。
一个意外发现：agent 把召回的记忆再次存储会形成反馈回路，使准确率下降 6-15 分，而标记召回文本可以修复。作者征求反馈：数据库式记忆能否规模化、如何单独评估检索质量、与 Mem0 对比的可信度。
「编程与Agent」频道最新
- SlateDB+Lance+Datafusion 自建数据栈,为客户年省数百万美元 — sh_reya · 2026-10-18
- 开发者吐槽:Muse 是同类中最封闭难接入的 agent harness — RileyRalmuto · 2026-10-18
- 马斯克宣布 Grok Bot 大升级：速度快 3 倍，接入 X Chat 与邮箱自动化 — elonmusk · 2026-10-18
- Reflection AI:Beam 24 小时吞吐 1 万亿 token 并重置全部用量上限 — nayshins · 2026-10-18
- 博主用 Grok Bot 一句话做出并部署 Tesla Roadster 飞行小游戏 — XFreeze · 2026-10-18
- Y Combinator 开办「Make Something Agents Want」agent 黑客松 — ycombinator · 2026-10-18