分享大模型记忆相关 awesome 。

https://t.co/VRxMOviLa0

XiaomingX/awesome-ai-memory

Source: https://github.com/XiaomingX/awesome-ai-memory

Awesome AI Memory - 大语言模型长期记忆项目精选列表

这是一个专注于大语言模型（LLM）长期记忆（Long-term Memory）实现的精选列表，覆盖从底层检索/存储范式、记忆层系统、Agent 记忆工具，到多模态一致性、训练与对齐的完整生态。

核心更新（2026 Q2–Q3）

• 记忆管理 RL 化：AgeMem 等把长期/短期记忆的增删改查变成 agent 可训练的工具动作，用三阶段 RL（step-wise GRPO）端到端优化，取代启发式控制器。
• 从“原子事实“到多粒度：TriMem 同时保留原始对话片段、抽取事实与合成画像三层粒度，用 TextGrad 迭代优化提示词，实现无参数更新的终身演化。
• 冲突感知与事实修订：MOSAIC、Infini Memory 针对“事实随时间变化“设计可维护记忆（主题文档 / 冲突检测），直击写路径质量控制难题。
• 评测从“召回“转向“行动“：MemoryAgentBench（ICLR’26）、MemoryArena / Memoria-Bench / AMA-Bench（ICML’26）、HaluMem、LongMemEval-V2 把评估推向操作级幻觉、多会话 agentic 任务与选择性遗忘。
• 测试时记忆层化：Titans-as-a-Layer 把神经长期记忆做成即插即用适配器（MAL），无需改动主干即可为多模态模型注入长期记忆。
• 本地优先跨工具 MCP 记忆：Memorix、OKF 标准的 mcp-memory 等以 SQLite / 知识图谱 + Markdown 落地，强调私有化与跨宿主（Claude Code / Cursor / Codex）共享。

近期重要进展（2026 年 6–9 月）

新论文与新方法

新数据集与基准

完整清单见 docs/memory-evaluation-benchmarks.md。

新趋势

1. 记忆管理 RL 化：记忆操作不再是固定流水线，而是策略的一部分，由奖励信号驱动“该记什么、何时忘“。
2. 多粒度 + 冲突感知的写路径：从“抽取原子事实“转向同时保留原文、事实与画像，并显式处理事实冲突与修订。
3. 评测操作级 / agentic 化：评估从端到端 QA 分数，细化为抽取、更新、遗忘等环节，并转向多会话、可行动的任务。
4. 测试时记忆层化：神经长期记忆从“改架构“变为“可插拔层“，降低多模态模型注入长期记忆的门槛。
5. 本地优先与标准化：MCP 记忆服务强调本地运行、跨宿主共享，并出现 OKF 等记忆文件格式标准。
6. 从“能记住“到“能行动“：Mem2ActBench、MemoryArena 等直接检验记忆对工具调用与决策的增益。

大模型记忆技术演进

理解下面各项目的定位，需要先把记忆技术的发展脉络理清。以下按时间顺序列出经过验证的关键里程碑（年份/机构以原始论文为准）。

范式奠基

• RAG（检索增强生成，Meta/FAIR，2020，arXiv 2005.11401）：检索 + 生成范式，被视为 LLM 参数外记忆的基础。把“知识“放在外部语料里，按需检索注入上下文。
• Generative Agents（斯坦福，Park 等，2023，arXiv 2304.03442）：25 个 AI agent 组成的小镇，提出“记忆流（memory stream）+ 检索 + 反思（reflection）“三件套，是 Agent 记忆设计的经典原型。

记忆机制探索（2023）

• MemoryBank（Zhong 等，2023，arXiv 2305.10250，AAAI 2024）：受艾宾浩斯遗忘曲线启发，对记忆做衰减与强化，配套 LoCoMo 长程对话记忆评测集。
• LongMem（Wang 等，2023，arXiv 2306.07174，NeurIPS 2023）：冻结主干 LLM 作记忆编码器，配合 Residual SideNet 与缓存记忆库，实现长时记忆。
• MemGPT / Letta（UC Berkeley，Packer 等，2023，arXiv 2310.08560）：把操作系统虚拟内存思想用于 LLM，将上下文分层为主上下文/外部存储，用工具调用做“虚拟上下文管理“。团队后续成立 Letta 公司延续开源项目。

记忆压缩与情景记忆（2024）

• ReadAgent（Google DeepMind，2024）：模拟人类阅读，将长文分页（pagination）并用 gist memory 压缩要点，属于情景式记忆框架。
• GraphRAG（Microsoft，2024，arXiv 2404.16130）：从非结构化文本抽取实体关系构建知识图谱，并对社区做摘要，提升复杂/全局问答的检索增强。
• HippoRAG（OSU-NLP-Group 与 Stanford 等，2024，arXiv 2405.14831，NeurIPS 2024）：受海马体索引理论启发，协同 LLM、知识图谱与个性化 PageRank 实现类长期记忆的多跳检索。
• Memory3 / 显性记忆（BAAI 智源研究院等，2024，arXiv 2407.01178）：把知识外挂为稀疏注意力 KV 记忆模块，与参数记忆、工作记忆并列成为“第三种记忆“。

生产级记忆层（2025）

• Mem0（Mem0 团队，2025，arXiv 2504.19413）：面向生产级 AI agent 的可扩展长期记忆层，含向量版 Mem0 与图谱版 Mem0g，论文称在 LLM-as-Judge 评测上优于 OpenAI 记忆方案且更省 token。
• A-MEM（Xu 等，2025，arXiv 2502.12110）：受卢曼 Zettelkasten 卡片盒笔记法启发，以动态索引/链接实现 agent 自主演化的结构化记忆，与 Zep/Graphiti 路线同类但独立。

架构层长期记忆（2024-2025）

• Titans（Google，2024-12，arXiv 2412.01427，NeurIPS 2025）：提出“神经长期记忆（neural long-term memory）“模块，以“惊奇度“驱动、支持 test-time training/learning，将 RNN 式记忆与注意力结合处理超长上下文。

记忆管理学习化与评测体系（2026）

• AgeMem / Agentic Memory（2026，arXiv 2601.01885，ACL 2026）：把 LTM/STM 操作作为工具动作交给 agent 自主决策，用渐进式 RL 训练，标志记忆管理从启发式规则走向可学习策略。
• TriMem（2026，arXiv 2605.19952）：以“原始对话 + 原子事实 + 合成画像“三种粒度共存替代单一事实抽取，配合 TextGrad 提示优化实现无参数终身演化。
• Infini Memory（2026，arXiv 2606.10677）：把记忆重构为可维护的“主题文档“，配合迭代式 agentic 检索，强调证据聚合与事实修订。
• Titans-as-a-Layer（2026，arXiv 2606.08573）：将测试时神经记忆封装为可插拔层（MAL），从“改架构“转向“加模块“，首次系统扩展到音频多模态。
• 评测体系（2026）：MemoryAgentBench（ICLR）、MemoryArena / Memoria-Bench / AMA-Bench（ICML）、HaluMem、LongMemEval-V2 等把评测细化到抽取/更新/遗忘等操作环节与多会话 agentic 任务。

演进主线：外部检索（RAG）→ Agent 记忆流与反思（Generative Agents / MemGPT）→ 记忆压缩与图谱化（ReadAgent / GraphRAG / HippoRAG / Memory3）→ 生产级记忆层（Mem0 / A-MEM / Zep）→ 架构内神经长期记忆（Titans）→ 可学习的记忆管理 + 操作级评测（AgeMem / TriMem / MemoryAgentBench）。记忆正从“提示词里塞资料“走向“模型自身学会记住、并学会管理该记什么“。

1. 聚合记忆层（Integrated Memory Layers）

这类项目提供逻辑复杂的记忆管理，支持多用户、多会话、自动摘要与知识提取。

2. Agent 与本地记忆工具（Agentic & Local Tools）

适合个人开发者、单机 Agent 或集成到特定办公流程的项目。

3. 框架集成（AI Frameworks with Memory Support）

深度集成了长期记忆管理能力的通用 AI 开发框架。

4. 基础设施与存储（Infrastructure & Storage）

为上述记忆层提供物理支撑的基础数据库。

5. 选型与集成建议（Practical Integration）

1. 从小处着手：建议初学者从向量数据库开始。除非业务需要（如复杂的情节线推理），否则避免过早引入复杂的图谱结构。
2. 长篇叙事（Storytelling）：
   • 优先使用 Mem0 或 NovelGenerator 跟踪人物弧线。
   • 策略建议：先生成并存储章节摘要，在生成新章节前检索摘要以保证连贯性。
3. 生态兼容性：
   • OpenClaw（原 Clawdbot）等个人助手用户，建议使用提供成熟 SDK 的 Mem0 或 Letta。
4. 隐私敏感：本地 Agent 首选 Basic Memory 或 AgentCortex。

6. 预训练与架构增强（Research & Architecture）

专注于在训练阶段或架构层面提升 LLM 记忆能力的先进研究。

7. MCP 与技能插件（MCP & Assistant Skills）

利用模型上下文协议（MCP）或特定工具调用（Skills）为模型注入持久记忆的能力。

8. 多模态一致性与记忆（Multimodal Consistency & Memory）

在生成图像和视频时维持角色形象、画风及音色一致性的专用工具与算法。

9. 分布式训练与参数一致性（Distributed Training）

确保大规模模型在多 GPU/多节点训练过程中参数与梯度的绝对同步。

10. 多代理协同与流程同步（Multi-Agent Coordination）

在 Agent 团队协作过程中，确保共享状态、任务进度及上下文记忆的一致性。

11. 在线训练与鲁棒对齐（Online Training）

防止模型在与用户实时互动或在线微调（RLHF）过程中出现质量雪崩与价值观漂移。

12. 持续学习与终身适应（Continual Learning）

确保 LLM 在适应新场景、新领域时，不会产生灾难性遗忘，维持长期记忆的连续性。

13. 记忆技术演进鱼骨图

下面用鱼骨图（因果骨架图）梳理“大模型记忆能力从何而来“的几条主线，便于快速建立全局认知。鱼头是“LLM 长期记忆能力“，骨架上的每条“大骨“是一个技术维度，分支是代表性工作。

                                          ┌─ RAG (2020, Meta) ................ 参数外记忆基础
                                          ├─ GraphRAG (2024, MS) ........... 图谱 + 社区摘要
                      检索/外部记忆 ──────┼─ HippoRAG (2024) ............... 海马体索引 + PPR
                                          └─ Memory3 (2024, BAAI) .......... 显性/稀疏记忆模块
                                                 │
                                                 ├─ Generative Agents (2023) . 记忆流 + 反思
                                                 ├─ MemGPT / Letta (2023) .... 虚拟上下文分层
                      机制/架构记忆 ─────────────┼─ LongMem (2023) ............ 冻结编码 + 缓存库
                                                 ├─ ReadAgent (2024) ......... 分页 + gist 压缩
                                                 ├─ Titans (2024-25, Google) . 神经长期记忆 + 测试时学习
                                                 └─ Titans-as-a-Layer (2026) . 记忆层化，即插即用
                                                 │
                                                 ├─ MemoryBank (2023) ........ 遗忘曲线衰减
                      生产级记忆层 ──────────────┼─ Mem0 / Mem0g (2025) ...... 向量 + 图谱记忆层
                                                 ├─ Zep / Graphiti ........... 时序知识图谱
                                                 └─ A-MEM (2025) ............. Zettelkasten 自主演化
                                                 │
                                                 ├─ AgeMem (2026) ............ RL 学习记忆管理策略
                      可学习记忆管理 (2026) ─────┼─ TriMem (2026) ............. 多粒度 + 无参数演化
                                                 ├─ Infini Memory (2026) ..... 主题文档 + 事实修订
                                                 └─ MOSAIC (2026) ............ 冲突感知结构化记忆
                                                 │
                                                 ├─ MemoryAgentBench (ICLR'26)  四维能力解耦
                      评测体系 (2026) ───────────┼─ MemoryArena / Memoria-Bench 多会话 agentic
                                                 ├─ HaluMem ................... 操作级幻觉
                                                 └─ LongMemEval-V2 ............ 环境经验记忆
                                                 │
                                                 ├─ MCP: AgentCortex / memento-mcp
                      工具/协议生态 ─────────────┼─ 本地优先: Basic Memory / Memorix / OKF
                                                 └─ 技能: OpenClaw Skills
                                                 │
                                                 ├─ 多模态: StoryMaker / ConsistI2V / Amphion
                      垂直场景延展 ──────────────┼─ 叙事: NovelGenerator
                                                 └─ 多代理: DeMAC / Nexus Agents
                                                 │
   LLM 长期记忆能力  ◄───────────────────────────┘
   (鱼头)

阅读方法：从左上“检索/外部记忆“到右下“垂直场景延展“，技术由“通用范式“逐步下沉到“架构内记忆“并扩散到具体场景。每条大骨彼此并非互斥——例如 Mem0 同时用到检索与图谱，Titans 把记忆写进架构，AgeMem 则把记忆管理本身交给策略学习。

外部资源

• Awesome-RLHF - RLHF 强化学习对齐全资源
• Awesome LLM Pre-training - 预训练策略与架构改进
• Awesome-Audio-LLM - 音频大模型研究列表
• ConsistI2V Projects - 视频生成一致性研究
• Awesome-Story-Generation - 故事生成论文与算法集
• awesome-agent-memory - Agent 长期记忆的结构化证据库（论文索引、产品与基准对比）
• GitHubDaily - 开源项目精选

贡献

欢迎提交 PR 补充新的优质项目！请确保提供的 GitHub 链接真实有效、描述与官方定位一致。