对比八种AI编程代理内存层并自研第九种方案的技术复盘
- 作者
- 姓名
- Nino
- 职业
- Senior Tech Editor
每次与我的代码代理开启新对话时，开局总是如出一辙。我需要花上十分钟输入诸如“这是一个Next.js应用，API在这里，我们在3月份决定不用Redis，请不要再建议它了”之类的话。代理会礼貌地点头，帮我工作一小时，然后在下一个会话到来时将所有内容忘得精光。我尝试过规则文件，尝试过在每个对话中粘贴手写的上下文文档，最终我厌倦了充当自己的检索系统。
当你使用通过像 n1n.ai 这样的平台集成的LLM API来扩展复杂的软件工程工作流时，上下文管理便成为了终极瓶颈。虽然高速推理和庞大的上下文窗口有所帮助，但它们无法替代跨会话的持久化结构化内存。今年10月初，我坐下来开始审计内存层市场：通过GitHub API获取Star数，在官方定价页面查询费用，从README中提取各种声明。最终筛选出八个严肃的选项，以下所有数据均截至2026年10月。
| 工具 | GitHub Stars | UI界面 | 自托管支持 | 入门价格 | 是否自主写入内存 |
|---|---|---|---|---|---|
| mem0 | 66,894 | 有，开源服务器和云端均有控制台 | 支持（Docker） | 0美元起，随后19美元/月 | 是（LLM提取，Dream合并） |
| Zep / Graphiti | 4,953 / 31,591 | Zep控制台带图谱可视化；Graphiti无 | 仅Graphiti（需Neo4j或FalkorDB）；Zep服务器闭源 | 免费10k积分/月，Flex版125美元/月 | 是（从事件中提取） |
| Letta (MemGPT) | 25,091 | 有，Web应用与CLI | 支持（开源服务器） | 0美元，Pro版20美元/月 | 是（睡眠代理在后台重写内存） |
| Basic Memory | 4,123 | 你的编辑器或Obsidian；无专属图谱UI | 支持（本地优先） | 0美元，云端15美元/席位/月 | 部分支持（LLM在聊天时写入笔记） |
| supermemory | 31,172 | 有，控制台加消费者应用 | 支持（开源）；付费自托管为Scale计划399美元/月 | 0美元，Pro版19美元/月 | 是（“代理实时从中学习”） |
| 官方MCP内存服务器 | 整个monorepo共91,088 | 无 | 支持（npx，单个JSONL文件） | 免费 | 否（若系统提示词指示，代理会调用工具） |
| mcp-memory-service | 2,006 | 有，8标签页控制台及交互式D3与3D图谱 | 支持（SQLite、Hybrid、Milvus） | 免费，接受捐赠 | 是（自主合并，洞察卡片） |
| MaxGraph（我开发的） | 2 | 有，整个图谱的实时物理模拟图 | 支持（这才是唯一模式） | 7天试用，随后每月数美元 | 是 |
阅读此表时有几点诚实的说明。官方MCP服务器的91k个Star属于整个modelcontextprotocol/servers代码仓库，而不单单是内存包。Zep拥有4,953个Star的仓库现在主要存放示例和集成，其实际服务器已经闭源，开源路线变成了Graphiti。是的，最后一行确实写着2个Star，因为这个仓库只有一周历史，稍后我会详细说明。
内存架构的商品化趋势
我本以为这次对比会揭示出明确的赢家，但它却显示出，在我没有注意的时候，这个核心创意已经被标准化了。
知识图谱数据模型（包含观察结果和关系的实体）字面量上就是官方MCP参考服务器的架构模式。mem0、Graphiti、cognee、Hindsight和mcp-memory-service都存储着某种风味的相同三元组。当我设计MaxGraph的存储时，我以为自己正在做出独立的选择，实际上我只是遵循了一个已经固化的行业惯例。
观察者模式也随处可见。几乎所有严肃的工具现在都有一个LLM通道，能够在未经询问的情况下读取对话并写入结构化内存：mem0称之为单通道提取加Dream合并，Letta在主代理闲置时运行睡眠代理重写核心内存，Zep在其Flex Plus层提供观察功能，甚至免费的mcp-memory-service也带有带洞察卡片的自主合并功能。代理能够“自主记忆”的浪漫想法在我之前至少已经有七款产品实现了。
语义搜索和模型上下文协议（MCP）支持几乎内置于列表中的每一个工具，Docker自托管也是如此（Zep服务器除外）。各种仪表盘：mem0、Zep、Letta、supermemory、cognee、Hindsight、mcp-memory-service。在使用类似 n1n.ai 聚合器提供的API端点开发健壮的代理循环时，拥有标准化的工具集成对于避免供应商锁定至关重要。
审计中存活下来的三个结构性缺口
这就是这次练习的价值所在。它击碎了我那偷懒的差异化叙事，逼迫我思考究竟还剩下什么。有三个缺口在审计中存活了下来。
- 将任务和Bug作为内存图谱的第一等公民。 我检查的所有工具都存储关于世界的事实：用户偏好、实体、事件、决策，但没有一个代码仓库对工作状态进行建模。在MaxGraph中，任务是与其它所有节点处于同一图谱中的节点，带有未完成或已完成状态，Bug则是带有未修复或已修复状态的节点。代理可以在会话开始时询问“这个项目上还有什么未完成的事情”，并从保存架构决策的同一存储中获得答案。
- 实时物理模拟图谱。 几款工具可以可视化图谱，但MaxGraph的仪表盘是一个物理模拟，内存图谱在其中漂浮、聚类并可随意拖拽。看着昨天的会话坍缩成项目集群，这几乎是我对自己的思考过程所能拥有的唯一“存档文件”。
- 针对单兵开发者的微型SaaS定价。 自托管内存在几乎所有地方都是免费的，或者被锁定在企业合同之后。MaxGraph是一个实验：7天试用，然后是每月几美元的微型订阅，软件运行在你的机器上，存储纯本地文本文件且完全离线工作。
基准测试与现实
MaxGraph目前没有任何基准测试。mem0公布了LoCoMo 92.5和LongMemEval 94.4的成绩。Hindsight拥有公开的基准测试网站和论文。MaxGraph声称通过我自己在自己的项目上进行的会话初始测量，实现了大约43%的上下文Token节省。通过 n1n.ai 路由请求时，优化上下文Token的使用可以直接降低延迟并减少API成本。
这个项目只有两个Star，诞生才一周。README比文档写得好，文档比愿景还要单薄，而且肯定存在我尚未发现的锋利边缘。mcp-memory-service拥有2,006个Star以及非常活跃的个人维护者，它是“带仪表盘的本地MCP内存”理念的成熟版本，如果我的功能列表打动了你，你也应该去尝试它。
获取免费API密钥请访问 n1n.ai