AI Agent 记忆系统导读
本导读基于 7 个开源记忆项目（DB-Agent-Memory / mem0 / Letta / Graphiti / cognee / supermemory / MemOS）和 3 个生产级 Coding Agent 记忆系统（Claude Code / Codex / OpenClaw）的源码研读与横向对比，面向零基础读者，系统性讲解 AI Agent 记忆系统的完整技术版图。全文约 57 万字符（含代码示例与对比表格），20 章，五大部分。
目录结构
本导读共分五大部分、20 章：
| 部分 | 章节 | 字符数 | 核心问题 |
|---|---|---|---|
| Part 1: 导读总纲 | Ch01-Ch03 | ~5.5万 | 这本导读是什么？怎么读？需要什么前置知识？ |
| Part 2: 记忆基础概念 | Ch04-Ch07 | ~11.6万 | Agent 记忆到底在解决什么问题？和 RAG 有什么区别？ |
| Part 3: 七大开源项目精读 | Ch08-Ch14 | ~19.6万 | 每个项目的核心设计哲学是什么？为什么这样设计？ |
| Part 4: 生产级记忆系统 | Ch15-Ch17 | ~7.3万 | 真正上线的产品是怎么做记忆的？ |
| Part 5: 横切主题与前沿 | Ch18-Ch20 | ~12.9万 | 八大设计模式是什么？未解难题有哪些？竞赛怎么切入？ |
章节详细目录
Part 1: 导读总纲
Part 2: 记忆基础概念（从零开始）
- Ch04: 记忆的四种类型——从工作记忆到外部记忆
- Ch05: Profile vs User Memory——写给 Agent 的 vs Agent 自己学的
- Ch06: Memory vs RAG——经验和知识不是一回事
- Ch07: 记忆系统的设计约束——存什么、怎么存、何时忘
Part 3: 七大开源项目精读
- Ch08: DB-Agent-Memory——四层金字塔与零依赖哲学
- Ch09: mem0——极简事实提取与 25+ 后端生态
- Ch10: Letta/MemGPT——虚拟内存与 Agent 自管理
- Ch11: Graphiti——时序知识图谱与双时间轴
- Ch12: cognee——本体论驱动的认知管线
- Ch13: supermemory——产品化记忆与多源捕获
- Ch14: MemOS——记忆操作系统与 Dream Pipeline
Part 4: 生产级 Coding Agent 记忆系统
- Ch15: Claude Code 记忆——索引驱动的实时学习
- Ch16: Codex 记忆——AI 驱动的批量整合
- Ch17: OpenClaw 记忆——Pre-Compaction Flush 与 Dreaming
Part 5: 横切主题与前沿
- Ch18: 八大记忆设计模式——从 Flush 到 Rules-as-Memory
- Ch19: 十九个技术挑战——记忆系统的未解难题
- Ch20: 竞赛指南——DB-Agent-Memory 贡献路径与学习总结
阅读建议
- 竞赛路径（1 周）：Ch01→Ch04→Ch08→Ch15→Ch16→Ch18→Ch20
- 全景学习路径（3 周）：顺序通读 Part 1-5
- 生产实践路径（5 天）：Ch01→Ch05→Ch06→Ch15→Ch16→Ch17→Ch18
- 学术研究路径（10 天）：Ch01→Ch04→Ch10→Ch11→Ch12→Ch14→Ch19
配套材料
本导读基于以下已有研究笔记，可交叉参阅：
- AI Memory 行业全景
- 七项目深度对比
- 八大设计模式
- 技术挑战清单
- 生产级 Coding Agent 记忆全景
- Coding Agent 记忆横评
- Memory vs RAG 边界
- Profile vs User Memory
- 各项目深度精读（DB-Agent-Memory / mem0 / Letta / Graphiti / cognee / supermemory / MemOS）
- 各生产系统精读（Claude Code / Codex / OpenClaw）
- MCP 记忆集成层
- 腾讯记忆生态