什么是“最好的”用于编码智能体的多智能体记忆系统？我在 rohitg00/agentmemory 上提交了9个问题，已经放弃了。
摘要
一位开发者讨论了用于编码智能体的多智能体记忆系统的替代方案，对比了 Mem0 和 ByteRover，并询问关于 Opencode 和 Pi 的确认信息。
我在考虑 Mem0 或 ByteRover。Mem0 更重，但非常成熟。不过记忆的来源是不透明的。ByteRover 由于使用简单的 markdown 和 LLM，可能会产生 token 成本。社区小得多。如果你能确认某个方案在 Opencode 和 Pi 上运行良好，那就更好了。
相似文章
rohitg00/agentmemory
agentmemory 是一个开源的持久化记忆层，专为 AI 编程智能体（Claude Code、Cursor、Gemini CLI、Codex CLI 等）设计。它通过知识图谱、置信度评分和混合搜索技术，借助 MCP、Hooks 或 REST API，为智能体提供跨会话的长期记忆能力。该项目基于 iii 引擎构建，无需外部数据库，提供 51 个 MCP 工具。
智能体的记忆尚未成熟
对当前AI智能体记忆解决方案的批评，认为RAG包装器及类似方法未能解决模型偏见和上下文膨胀的核心问题。
Agent Harness 中的记忆现状（12分钟阅读）
一项针对主要AI Agent Harness（Claude Code、Codex、Copilot等）中记忆实现的调查揭示了常见的边界故障，包括有界本地存储、关键词检索、Harness作用域、弱陈旧性处理以及57-71%的跨用户污染率，凸显了Agent记忆基础设施中尚未解决的问题。
构建多智能体系统让我意识到记忆比编排更难
构建多智能体系统表明，管理共享记忆和上下文一致性比编排更具挑战性。作者使用 Statewave 进行的实验将记忆视为一个不断演化的生命周期，而非单纯的检索问题。
我问大家如何处理智能体记忆。以下是回复中的模式，以及无人真正解决的一个问题。
关于智能体记忆的社区讨论显示，尽管在记录什么（如纯文本文件、分层记忆、事后总结）方面存在各种补丁方案，但未解决的问题是保留什么——检测失败是可处理的，但决定哪些教训应持续保留仍需要人类判断。