← 回總覽

AI 记忆技术研究脉络梳理

📅 2026-04-05 20:11 李继刚 人工智能 1 分鐘 1230 字 評分: 89
AI 记忆机制 RAG MemGPT 技术演进
📌 一句话摘要 李继刚梳理了从 2020 年 RAG 到 2026 年 EverMemOS 的 AI 记忆技术演进路径,清晰展示了各阶段技术痛点及解决方案的迭代逻辑。 📝 详细摘要 此推文通过结构化的「溯源地图」,系统性地回顾了 AI 记忆技术的发展史。从早期的 RAG 检索增强,到 Generative Agents 的反思机制、MemGPT 的虚拟内存管理,再到最新的 MemOS 和 EverMemOS 等结构化记忆方案,清晰地勾勒出 AI 记忆从碎片化到系统化、从人工规则到自适应演进的技术脉络。 📊 文章信息 AI 评分:89 来源:李继刚(@lijigang_com) 作者:李继

github.com/lijigang/ljg-s… 看了下关于memory 的研究脉络: -------------------

* 溯源地图

[2020] Lewis et al. - RAG (Retrieval-Augmented Generation)

|

| 问题: 模型参数存的知识是死的,不能更新,不能追溯

| 解法: 生成时从外部文档库检索,拼进输入

v

[2023.04] Park et al. - Generative Agents (Smallville)

|

| 问题: RAG 只检索文档片段,没有"经历"的概念

| 解法: 记忆流 + 反思机制,让智能体有自传式记忆

v

[2023.05] Zhong et al. - MemoryBank

|

| 问题: 记忆只进不出,越积越多,没有遗忘机制

| 解法: 用艾宾浩斯遗忘曲线给记忆加衰减权重

v

[2023.10] Packer et al. - MemGPT

|

| 问题: 不管记忆怎么存,都受限于上下文窗口装不下

| 解法: 借鉴操作系统的虚拟内存,分层管理上下文

v

[2025.01] Rasmussen et al. - Zep

|

| 问题: MemGPT 的记忆是扁平碎片,缺乏结构化关联

| 解法: 时序知识图谱,让事实带上时间戳和实体关系

|

| [2025.04] Chheda et al. - Mem0

| (并行路线: 向量库 + 图数据库的工程化方案)

v

[2025.05-07] Li et al. - MemOS

|

| 问题: 记忆散落在 RAG/KG/参数各处,没有统一调度

| 解法: 把记忆当操作系统资源,统一表示、调度、治理

v

[2025.08] Nan et al. - Nemori

|

| 问题: 记忆组织靠人工规则,不能自适应地分段和抽象

| 解法: 认知科学启发的自组织——事件分割 + 预测校准

v

[2026.01] Zhu, Chen et al. - EverMemOS <-- 目标论文

|

| 问题: 碎片化记忆无法合并为稳定的语义结构

| 解法: 印迹生命周期——情景痕迹->语义固化->重建性回忆

|

+---> [2026.01] SimpleMem, MAGMA, Aeon (同期竞争)

+---> [2026.02] EverMemBench (配套评测)

+---> [2026.03] D-Mem, SmartSearch, MemFactory (后续挑战)

查看原文 → 發佈: 2026-04-05 20:11:45 收錄: 2026-04-05 22:00:17

🤖 問 AI

針對這篇文章提問,AI 會根據文章內容回答。按 Ctrl+Enter 送出。