Agent 记忆层

这个 pack 装了什么

这个 pack 收齐了七个记忆层资产，是任何需要跨会话记住东西、不想每次都把所有上下文重新粘进 prompt 的 agent 必备组合。三个是头部库。四个是 Anthropic 和 OpenAI 在长任务 agent 指南里都提到的模式模板。

为什么要装

Claude / GPT-4 / Gemini 默认设置零记忆。每次对话都从头开始。多数应用靠把历史轮次塞进 system prompt 来假装记忆 —— 短期能用，过段时间 context window 爆掉、账单翻三倍、模型还跑题。记忆层把事实存到 prompt 之外，每轮只注入相关的。

三个库各下了不同的赌注：

• Mem0 最简单。一句 mem0.add(messages, user_id=...)，库自动抽取值得记的东西。聊天机器人型应用最适合。
• Zep 是生产选项。跑成服务，给你时序知识图谱（带时间戳和关系的记忆），支持多租户。需要审计或组织内共享记忆时最佳。
• Cognee 是图原生那派。从第一天就把记忆建模成知识图谱 —— 调研、代码、强实体关系的领域用得上。

四个模式不是库，是 prompt 模板和小适配器，三个库都能搭配用。它们就是「我装了 Mem0」和「我应用里记忆真在工作」的区别。

一条命令装齐

# 装整个 pack
tokrepo install pack/agent-memory-layer

# 或者一个一个装库
tokrepo install mem0
tokrepo install zep
tokrepo install cognee

TokRepo CLI 把文件放对位置：Claude Code subagent 进 .claude/agents/，Cursor 规则进 .cursor/rules/，Codex CLI 进 AGENTS.md。库本身用 pip / npm 装 —— TokRepo 只是把它们接进你 AI 工具的配置，让 agent 知道记忆层存在。

常见坑

• 别什么都存。记忆成本随写入量涨，不随检索量涨。用事实抽取器（模式 6）过滤 —— 只有用户 / 项目的稳定事实值得进长期记忆。
• 别忘记近期偏置。纯向量召回会拉到语义相似但陈旧的记忆。Zep 的时序图和 Mem0 的就地更新都解决这个；自己写的话务必按时效加权，否则一直检索半年前的上下文。
• 别跨租户共用 user ID。三个库都支持按用户分命名空间，必须用。用户间记忆泄漏比完全没记忆糟得多。
• 召回步骤要做 token 预算。即使有记忆层，把 top_k=50 你照样能爆 context。从 top_k=5 起步，有遗漏再调大。
• 冲突要协调。用户三月说「我吃素」、五月说「我纯素」时，得有更新策略。Mem0 自动处理；Zep 把冲突暴露给你；Cognee 留给你自己写。

常见误解

「RAG 和记忆是一回事」。不是。RAG 从静态语料（文档、代码库）检索。记忆基于用户 / agent 说的话写新条目，之后再检索。RAG 只读，记忆读写。pack/rag-pipelines 的模式跟这个 pack 故意不同。

「我用对话历史就够了」。5 轮会话内可以。同一个用户下周还会回来的应用就不行 —— 你得把所有历史轮次永远塞进 prompt。记忆把事实抽出来、把对话丢掉。

「Mem0 vs Zep 是个艰难选择」。多数团队先用 Mem0 因为 5 分钟搭好，需要多租户或审计时再升级 Zep。两者足够相似，迁移是个周末的活，不是一个季度的项目。