@9hills: 尝试了多种Agent Memory实现，只有两种我觉得还有点用： 1. Hermes 这种严格限制长度的条目级记忆和会话召回，用来解决个人助理所需的记忆。但是这种和Coding没关系。 2. 根据轨迹沉淀 skill 和 skill 进化…
摘要
作者分享了尝试多种Agent Memory实现后的心得，认为只有严格限制长度的条目级记忆（如Hermes）和基于轨迹沉淀的技能进化两种方法比较有用，其他图谱类或卡片类的方法效果不佳。
尝试了多种Agent Memory实现，只有两种我觉得还有点用：
1. Hermes 这种严格限制长度的条目级记忆和会话召回，用来解决个人助理所需的记忆。但是这种和Coding没关系。
2. 根据轨迹沉淀 skill 和 skill 进化的，但目前还没有找到合适的库。
其他图谱类、卡片类，吭哧哧创建一堆，卵用没有。 https://t.co/GceMr7BMrg
查看缓存全文
缓存时间: 2026/05/26 05:01
尝试了多种Agent Memory实现，只有两种我觉得还有点用：
- Hermes 这种严格限制长度的条目级记忆和会话召回，用来解决个人助理所需的记忆。但是这种和Coding没关系。
- 根据轨迹沉淀 skill 和 skill 进化的，但目前还没有找到合适的库。
其他图谱类、卡片类，吭哧哧创建一堆，卵用没有。 https://t.co/GceMr7BMrg
相似文章
@Xudong07452910: Agent 记忆最危险的时候，往往是它太相信过去。 很多 Memory Agent 找到相似经验后，会直接把它塞进上下文。但任务相似，不代表当前状态相同，旧经验有时反而会把决策带偏。 这篇论文提出 MemHarness，把 Agent 使…
MemHarness 提出将 Agent 记忆从简单回放改为基于当前状态的重构，通过 GRPO 端到端训练，在 ALFWorld 和 WebShop 上显著提升成功率。
@yyyole: Agent memory的创业方向好火爆！ 很多团队都在做，大概有下面几种比较主流的思路： 第一种最粗暴：context路线，把上下文增长。 第二种最常见：RAG / 向量库路线，接一个向量库把历史内容 embedding 后做检索。 第…
介绍Agent memory创业的几种主流思路，并推荐EverMind团队的开源项目EverOS，它提供以Markdown为源的本地记忆操作系统，支持双轨记忆、多模态摄取和自演化能力。
@servasyy_ai: 如何让多个 Agent 之间真正互相学习、互相帮助？ 现在很多 Agent 都开始有自己的记忆，但问题是： 这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。 最后每个…
讨论了如何让多个AI Agent之间建立共享记忆，避免重复踩坑，并介绍了通过改造MemOS CLI来实现只记录关键信息并在必要时搜索的方案。
@tvytlx: 有没有人告诉我现在最牛逼的agent记忆方案是什么？我指工程实践 是hermes agent的那套吗？
用户询问当前在工程实践中最好用的agent记忆方案是什么，并提及hermes agent。
@berryxia: Agent 记忆真是太特么卷了啊！ 不得不说，这个赛道越多人加入越爽啊！ Tencent AI团队花了整整6个月，就死磕一个问题：AI agent长会话里疯狂丢上下文。 他们最后把一套记忆系统做完，直接开源了。 我看完他们的分享，最大的感…
腾讯AI团队开源了Agent记忆系统，通过实时上下文压缩、Mermaid任务地图和Persona记忆三种方法，显著提升长对话中的token效率和agent一致性，token消耗降低61%，人格一致性从48%提升至76%。