Agent 记忆排行:让 AI 记住昨天比让它聪明更难
觉得有用?关注公众号「丁卯生人」
每月发干货 · AI Agent · GitHub · 装修避坑
大家好,我是六六爸比
一个 85 后科技 IT 爱好者 / AI Agent 深度玩家 / GitHub Trending 追踪员
十个项目,十种解法,九个在回答同一个问题:怎么让 AI 记住上一次,另一条在旁边采数据。只想先试一个的,从 claude-mem 开始。
Top 10:两种完全不同的流派
▲ Agent 记忆 / 上下文项目星数 Top 10 · GitHub 搜索口径 2026-10-22
第一名的量级说明这是个大问题。thedotmack/claude-mem 10.2 万星,定位是「给每个 agent 的跨会话持久化上下文:把 agent 这次会话干过的每一件事捕捉下来,用 AI 压缩一遍,再把相关的上下文回注到后面的会话」。第二名 vectorize-io/hindsight 5.3 万星,口号就一句:Agent Memory That Learns。
第一流派:向量 + 时间线式记忆,七家。claude-mem、hindsight、cognee 3.3 万星、supermemory 3.1 万星、Memori 1.7 万星、honcho 7730 星、LongMemory 4543 星——这七家合计 24.8 万星,整张榜 28.2 万星里占将近九成,做法不同但都在做同一件事:建一个 agent 能读写的外部记忆层。
第二流派:结构化 / 图式记忆,只有两家。julep-ai/julep 6575 星、memgraph/memgraph 4626 星,合起来 1.1 万星,是图里最小的一组。julep 做的是崩了能接着跑、每一步都有解释的 agent 流程;memgraph 是高性能内存图数据库,仓库介绍里点名给 GraphRAG 和 agent 用。
来源:GitHub Search API,q=topic:ai-memory,sort=stars,抓取日 2026-10-22;正文引用的仓库定位描述取自各仓库公开 README 摘要;星数、fork、主语言取自同一响应。口径说明:星数为抓取日累计值。
为什么这道题比想象中难
▲ 按记忆流派归类后的星数合计
向量 + 时间线式记忆占了大头,24.8 万星。claude-mem 把 agent 这次会话干过的事全记下来,Claude Code、OpenClaw、Codex 都能挂上;剩下六家奔的也是同一件事:建一个 agent 能读写的外部记忆层。
中间那三家方向略有不同。cognee 3.3 万星是开源的 AI 记忆平台,给 agent 配长期记忆,介绍里写的是自带小模型、不额外花钱;supermemory 3.1 万星是记忆与上下文引擎,也能完全在本地跑;Memori 1.7 万星把 agent 的执行过程变成结构化状态,面向生产系统,可以跟着你现有的数据设施部署。
结构化 / 图式记忆只有两家,加起来 1.1 万星。julep-ai/julep 6575 星、memgraph/memgraph 4626 星,规模比向量 + 时间线式记忆那一组小一个量级;memgraph 是 C++ 写的内存图数据库,还兼容 Cypher 查询。
还有一条不属于这两派的旁路。第五名 screenpipe 2.2 万星,做的是持续记录你电脑上的工作,把工作流画出来,再告诉你哪些活值得自动化——它不依赖 agent 自己去记,自己采数据。这条路绕开了「模型该记什么」这个难题,代价是隐私成本。
两个小项目的定位很清楚。honcho 7730 星是给有状态 agent 用的记忆库;LongMemory 4543 星是本地持久化的记忆存储,仓库介绍里点名给 Claude 桌面版、GitHub Copilot、Codex 这类客户端用。这两个星数虽小,用途一点不模糊:一个是给开发者的库,一个是给终端用户的存储。
如果你只想先试一个。那就 claude-mem:10.2 万星,榜上最高。仓库介绍里点名支持 Claude Code、OpenClaw、Codex、Gemini、Hermes、Copilot、OpenCode 七种工具。
这行的主语言是 Python。十个项目里 Python 占 5 个,TypeScript 3 个,screenpipe 是 Rust,memgraph 是 C++。
来源:GitHub Search API 同一批快照(2026-10-22);流派归类为本号依据各仓库公开 README 描述所做的判断。
记忆系统的真正难点
两条路线,取舍看你的场景。claude-mem 这类用「全都记下来」的做法,把筛选留给后面那一步;hindsight 那类走的是另一条路。对话里噪声不多的时候,两种都够用;噪声多,先试全都记下来那种。
对你来说更实际的起点是现有的对话历史。如果你已经在用某个 AI 编程工具或者 agent,它多半已经有会话历史文件了。把那些历史变成可检索的记忆,是成本最低、见效最快的一步——先别急着上专门的记忆框架,把历史用起来再说。
怎么自己把榜首那个跑起来。要拿源码就 git clone https://github.com/thedotmack/claude-mem。这条 npx 命令要 Node.js 20.0.0 以上(上游 README 的 System Requirements 一节是这么写的),手上没装 Node 的先装。装它用 npx claude-mem install,装完会让你在浏览器里登录 claude-mem(邮箱链接,不用卡);登录完重启 Claude Code 就能用;配置放在 ~/.claude-mem/settings.json,首次运行会自动生成。
来源:本段为方法建议,依据 GitHub Search API 2026-10-22 快照的项目定位描述;未实测各记忆方案的召回效果。
作者:六六爸比。
与君共勉:
1. AI 是打破信息茧房的利器。是我们追求信息平等的手段。
2. 警惕上来就忽悠你学各种所谓高大上的工具 Agent, 让你买教程的。
3. AI 时代你只要懂逻辑, 懂中文, 独立思考能力! 一定会有所作为!
4. 与君共勉, 与君一道踏破这 AI 门槛, 让 AI 真正为你所用!
相关 3 篇 + 最新 2 篇——
①2026-10-13 · Karpathy 一份 65 行文档冲到 21 万星,里面没一行能跑的代码
一份文档怎么变成生产力
②2026-10-05 · LightRAG 4.0 万星 · 1 行启动 RAG
知识库那条线的入门款
③2026-09-27 · Hermes 官方 9 月排行榜:新增 14 个技能
官方榜的上一期,这次换成安装量口径
④2026-10-17 · ElevenLabs 按字符收钱、声纹还传云端?5.7 万星开源声音克隆全跑你本地
选 API 之前,先看看本地方案
⑤2026-10-16 · 让 AI 写代码总跑偏?GitHub 官方的办法:先把需求写成规格再动笔
工具链怎么定规矩
如果这篇对你有帮助,,转给在选模型的朋友。