深度 | Agent「记性」成新基础设施:腾讯云端上GitHub第一,巨头抢「记忆层」
深度 | Agent「记性」成新基础设施:腾讯云端上GitHub第一,巨头抢「记忆层」

这是一篇深度研究,不是新闻简报。基于 40+ 个来源的交叉验证。
证据等级:[A] 官方/一手 [B] 2+可靠来源 [C] 单一来源 [D] 个人判断
核心观点:Agent 的失忆正在变成真实账单——无状态 API 让 1000 轮任务的历史成本高达 30-300 美元/会话;MCP 与 A2A 都没定义持久记忆,记忆成了 Agent 时代唯一没被标准化的基础设施层。谁能握住 Agent 的累积状态,谁就握住了切换成本。
一、一个登顶 GitHub Trending 的「记忆」仓库
8 月 4-5 日,腾讯云开源的 TencentDB-Agent-Memory 连续两天霸榜 GitHub Trending 第一,一周涨约 5400 颗星,稳定在 1.5 万星以上。[A] 它把对话/文档/代码自动拆成四种记忆资产(聊天记忆、技能、LLM-Wiki、代码图谱),纯本地 SQLite、零云依赖、MIT 许可。[A]
为什么「让 Agent 记住东西」突然这么火?因为失忆在变成账单。无状态 API 每次调用都要重发历史,一个 1000 轮任务仅历史就消耗约 200 万 token,单会话 30-300 美元;用外部记忆按需检索,可以压到 15-30 美元。[B] 更麻烦的是「上下文腐烂」:声称支持 128K 的模型有 11/13 在 32K 就掉到一半性能,裸历史 Agent 通常在第 400 轮崩溃。[B]
行业背景是协议层的「官宣缺口」:MCP 定义了 Agent↔工具,A2A 定义了 Agent↔Agent,但都不定义持久共享记忆——MCP 7 月 28 日修订还彻底无状态化了。[A] 记忆成了「默认需要、没人标准化」的地带。
二、技术拆解:记忆存什么、怎么存、省多少
记忆分类继承自认知科学:情景记忆(事件)、语义记忆(事实)、程序性记忆(技能)。腾讯那套 L0→L3 金字塔是工程分层的代表:L0 原始对话 → L1 原子事实 → L2 场景块 → L3 人格画像,召回时用 BM25+向量+RRF 混合检索钻回底层,并施加数量上限防止撑爆上下文窗口。[A]
三种存储表示正在融合:向量(RAG 默认,但纯向量在时间推理上偏弱)、知识图谱(Zep 双时间模型,把矛盾事实「置灰」而非删除)、参数记忆(TransMem 把稀疏隐状态改写入权重,MemoryAgentBench 29.5%→40%)。[A]

上图:Agent 记忆的 L0-L3 金字塔与三种存储表示——2026 年主流是混合融合而非单选一种
记忆最硬的卖点是省 token:腾讯云自报 SWE-bench 省 33% token、通过率 58.4→64.2%;WideSearch 长任务省 61% token、成功率 33→50%。[A] Zep 更夸张:上下文从 11.5 万 token 降到约 1600。但必须泼冷水:这些几乎全是厂商自报、未被独立复现,Mem0 与 Zep 还互相指控「基准造假」——数字当参考,不当金科玉律。[C]
三、竞争格局:谁想拥有 Agent 的「记性」
| 玩家 | 类别 | 融资/估值 | 护城河信号 |
|---|---|---|---|
| Mem0 | 独立记忆层 | $2400 万 | 9 万开发者、AWS Agent SDK 独家供应商 |
| Zep/Graphiti | 图记忆 | 种子级 | 时间推理最强,LongMemEval 63.8% vs 49% |
| Letta/MemGPT | Agent 运行时 | $1000 万种子 | 上下文当 RAM 管理 |
| Engram | 企业学习记忆 | $9800 万 @ ~$6 亿 | Karpathy 天使,微软/Notion 早期伙伴 |
| TencentDB-Agent-Memory | 云厂商开源 | 开源 MIT | GitHub Trending #1、1.5 万星 |
| 红熊AI | 中国记忆原生 | 数亿元 A+、近 30 亿估值 | 15 个月 6 轮、H1 收入 >1.7 亿 |
| 记忆张量 | 中国记忆 OS | 亿元 Pre-A(华为哈勃等) | 国资+产业资本 |
| OpenAI | 模型厂商 | 上市 | 有消费者记忆、无开发者 API |
| Anthropic | 模型厂商 | 未上市 | 记忆工具 + 上下文编辑 -84% token |
「谁握着累积状态,谁握着客户」在 2026 年中美都被反复验证:红熊AI 15 个月融 6 轮,Engram 13 人融 $9800 万。[B] 真正的争夺是「独立层 vs 厂商绑定」:Anthropic/Google/微软把记忆做进托管栈,但 OpenAI 至今没有开发者记忆 API,让出了基础设施层——独立层因此能活。[C]

上图:记忆赛道从论文到基础设施的关键节点——2026 年 5-8 月是资本与代码同时爆发的窗口
中国是另一条赛道:不搞「在别人模型上做记忆 API」,而是把记忆直接做进模型——红熊训练记忆原生模型,记忆张量的 Metis 也是,但创始人坦承「撞上了不能 scaling 的点」。[C] 投资结构也不同:华为哈勃、荣耀、商汤、深创投全是产业与国资资本。[B]
四、落地与生态:失忆的成本被算成了账
失忆是数学问题:无状态 Agent N 步成本 O(N²),把状态挪出提示词降到 O(N)——实测 24465→2492 token(-90%)。[B] 企业案例:ArangoDB「十亿 token 问题」25 Agent 年省 13.1 万美元;Databricks MemEx 提 2-5 个点准确率、省 25-30% token;微软发现跑到第 5 个 Agent 时 80% 上下文已无关。
MCP 无状态化是拐点:协议层删掉会话头,任何请求可落任何实例,持久记忆成了服务器自己的责任。[A] 这给了 SAMEP/memorywire/Portable Agent Memory 和一大票 memory MCP 服务器(OpenMemory、codebase-memory-mcp)填空的理由。[A]

上图:MCP 与 A2A 都未定义持久共享记忆——SAMEP/memorywire/MCP Memory 服务器正在填空
但社区半信半疑:正向是 codebase-memory-mcp 的 99% token 削减让开发者喊「游戏规则改变者」;反向是 MemGhost 攻击——一封邮件把假事实写进持久记忆,后台模式攻击成功率 87.5%。[B] 知乎主流共识是「概念热、落地难」,「乱记比不记更致命」;最尖锐的「三分天下」论认为独立记忆框架是注定被挤掉的中间商,PostgreSQL 才是真正的记忆层。[C]
五、战略含义:新缓存层,还是新数据库
记忆不是缓存,但它是让缓存生效的东西:把提示词结构化成稳定前缀,目标是 70%+ 缓存命中、50%+ 成本下降。当模型越来越便宜,记忆的价值反而上升——它决定「哪些 token 进上下文」,这是成本结构里最后的可优化项。

上图:记忆基础设施的中美双轨——美国打独立层+厂商绑定,中国打模型原生+本地优先
三条可能路径:独立层走 Red Hat 路线(Mem0 被 AWS 收编是第一个信号);模型厂商垂直整合到底(OpenAI 补记忆 API 即加速);中国路线独立成军(记忆原生模型 + 本地优先 SQLite 吃数据主权红利)。[B]
必须正视的反证:长上下文有时已经打败结构化记忆——1M 上下文的 GPT-5.2 无记忆跑 72.3%,最好的记忆系统 57.2%。[C] 记忆真正的护城河在跨会话连续性、选择性遗忘和时间推理,而不是「记得更多」。
六、我的评估
先下结论:记忆是真实的基础设施需求,但「独立记忆框架」这个品类正被上下两头挤压——上面模型厂商做进托管栈,下面数据库/向量层直接提供存储。[B]
我判断未来 12 个月看三个点:MCP 记忆标准化能否落地(memorywire/SAMEP 被采纳会削平互操作壁垒);OpenAI 会不会补上程序化记忆 API(厂商整合的开关);中国记忆原生模型能否跨过 scaling 门槛。[D]
我原以为会像数据库大战一样在「存储格式」上分出胜负——研究完才发现真正卡脖子的是治理与遗忘:MemGhost 攻击、选择性遗忘基准上所有系统最高只到 7%、「存了但不裁决冲突」,记忆最大的问题不是记不住,而是记得住、删不掉、分不清真假。[C]
被打脸的风险:如果 1M 上下文成本继续雪崩,独立记忆层会变成「基础设施里的商品层」;反之若长周期 Agent 成为主流负载,现在的 1.5 万星只是开始。目前最确定的是:协议删了状态,模型不保存历史,Agent 越来越长命——三股力量把「记性」推到了牌桌中央。[D]
参考来源
AI 辅助深度研究,人工视角解读。 每日更新。
更多推荐


所有评论(0)