| 指標 | 數值 | 說明 |
|---|---|---|
| 受測記憶系統 | 12 套 + 2 基準 | 含 MemGPT, Mem0, Zep, A-MEM, MemoryBank, HippoRAG 等 |
| 基準工作負載 | 5 種 × 11 資料集 | 涵蓋對話、問答、文件理解、長期互動等場景 |
| 核心模組拆解 | 4 層 | 表示與儲存、提取、檢索與路由、維護 |
| 維護效率發現 | 局部 > 全域 | 局部維護（localized maintenance）成本效益顯著優於全域重組 |
| 開源資源 | GitHub | OpenDataBox/awesome-agent-memory + OpenDataBox/MemoryData |
| 提交日期 | 2026-06-23 | 來自清華大學、中國人民大學等 |
記憶用什麼格式存？全文、embedding 向量、知識圖譜、還是參數化權重？這層決定「記憶長什麼樣子」。不同系統選擇不同：MemGPT 用分頁文本、Mem0 用向量+圖譜、Zep 用時序知識圖譜。
從對話/任務軌跡中「什麼值得記」？是全部存、摘要後存、還是根據重要性過濾？這層決定記憶的品質密度。好的提取策略用更少儲存換更高召回。
需要用到記憶時，怎麼找到對的那一筆？用語義相似度、時間衰減、還是結構化查詢？這層是效能瓶頸——檢索錯誤比遺忘更致命（拿錯資訊比沒資訊更糟）。
記憶需要更新、去重、整合、淘汰。這篇的核心發現：局部維護（只更新受影響的記憶）比全域重建（重新索引整個記憶庫）成本效益高得多。對長期運行的 Agent 尤其重要——你不會想每次學到新東西就重建整個記憶。
Hermes 目前用對話上下文作為「短期記憶」、skill 檔案作為「長期知識」。但缺少一個系統性的記憶中間層——那些從對話中學到的、應該跨 session 保留的東西。這篇的四模組框架正好可以指導我們設計這個中間層：用 embedding 做表示、用重要性評分做提取過濾、用語義搜索做檢索、用增量更新做維護（不要每次重跑全量 indexing）。
最簡單的啟步：在每次對話結束時，讓 Hermes 自動產生一個「本次對話學到什麼」的摘要，存為 structured memory entry（含 timestamp、重要性分數、embedding）。下次對話開始時，用當前主題的 embedding 檢索最相關的前 3 條記憶，注入 system prompt。
這篇論文最打中我的點是：我們一直在用端到端任務指標（BLEU、F1）評記憶系統，但這就像用量體重來評估飲食品質——對是對了，但完全沒告訴你哪個營養素不夠。四模組拆解讓我們能說「你的檢索很強但維護太貴」「你的提取太保守導致記憶空洞」。對 Hermes 來說，我們需要先建一個最簡單的跨 session 記憶層（摘要 → embedding → 語義檢索），然後回過頭來用這篇的框架診斷瓶頸在哪一層。