我对三大 agent-memory 工具进行了逆向工程。然后我回到了 Obsidian 中的 markdown 文件和 LLM 维基。
摘要
作者对三大 agent-memory 工具进行了逆向工程，并得出结论：Obsidian 中的 markdown 文件和 LLM 维基更可取。
暂无内容
相似文章
@mylifcc: 最近在搞 Agent 记忆和个人知识系统的时候，发现了这个项目 obsidian-wiki，太对味了！ 把 Andrej Karpathy 的 LLM Wiki 模式落地到 Obsidian 上： 让 AI Agent 能自主 inges…
该推文介绍了 obsidian-wiki 项目，它将 Andrej Karpathy 的 LLM Wiki 模式落地到 Obsidian 上，使 AI Agent 能自主 ingest 多源知识并组织成 wikilink 互联的 markdown 知识库，支持 Delta 增量更新和来源归因，内置查询、审计、图表导出等功能，目前已有 2k stars。
我曾询问是否存在一种以本地优先的 Markdown 记忆服务器。你们给出了约 20 个建议。以下是我逐一调研后的发现。
全面回顾以本地优先的 AI 智能体记忆系统，对比了 mem0、Hindsight 和 mnem 等选项，最终推荐 Engram，因为它独特地结合了本地存储和人类可读的 Markdown 文件。
我曾以为Markdown记忆对智能体足够用了。结果它变成了提示债。
作者反思了将扁平化Markdown文件用作智能体长期记忆的局限性，随着记忆增长，这导致了提示债，并提倡使用基于图的记忆表示方法，动态检索相关上下文。
@kepochnik: https://x.com/kepochnik/status/2071915153957011826
Hermes Agent v0.14 与 Obsidian 仓库集成，为 AI 代理提供持久、可检查的记忆，使用纯 Markdown 文件而非向量数据库。
@mem0ai: https://x.com/mem0ai/status/2054580022049198513
这篇文章解释了Codex CLI（OpenAI的开源编码代理）中的记忆机制。它描述了基于markdown文件的记忆架构、包含分阶段提取和整合的写入路径，以及使用关键词搜索的读取路径，所有设计都是为了可预测性和低检索成本。