Agent 记忆系统对比精读：MemGPT/Letta、Zep/Graphiti、LangMem 播报中 · 已推 1/3

题记与说明

• 日期：2026-10-27
• 类型：主题研究（多来源精读 + 架构对比 + 选型建议）
• 检索方式说明：本次通过 WebFetch 直接抓取一手来源完成。DuckDuckGo HTML 搜索接口连接超时（Connect Timeout Error），故未走通用搜索引擎，改为基于领域知识直接选取一手来源（论文原文、官方文档、官方仓库、厂商博客），共 6 组来源，全部抓取成功。所有数据均为 2026-10-27 抓取时的页面内容。

来源清单

TL;DR

三个系统代表了 agent 记忆的三条技术路线：

1. MemGPT/Letta —— "LLM 即操作系统"：把上下文窗口当 RAM、外部数据库当磁盘，让 agent 自己调用函数在两层之间搬运和改写记忆（self-editing memory）。产品化为 Letta 后，核心抽象是 memory blocks（带 label/description/value/limit 的可编辑文本块，可多 agent 共享），并引入 sleep-time compute（空闲时异步整理记忆）。
2. Zep/Graphiti —— "时序知识图谱即记忆"：记忆不是文本块而是一张 双时间轴（bi-temporal）知识图谱，事实有有效期（valid/invalid），新信息与旧事实矛盾时作废旧边而非删除。检索是 cosine + BM25 + 图遍历的混合搜索加五种重排。论文报告 DMR 94.8%（超 MemGPT 的 93.4%），LongMemEval 上比全上下文基线准确率最高 +18.5%、延迟 -90%、token 用量 <2%。
3. LangMem —— "记忆是 SDK 原语"：LangChain 出品的轻量库（MIT），不做服务不做数据库，提供语义/情景/程序性三类记忆的可组合原语：hot path 工具（agent 对话中即时写）+ background memory manager（异步提取合并）+ prompt optimizer（程序性记忆）。存储落在 LangGraph BaseStore（namespace 化的 JSON 文档）。

一句话选型：要"时间正确性"（事实会过期、会变化）→ Graphiti；要开箱即用的有状态 agent 运行时 + 人可直接编辑的记忆块 → Letta；已在 LangGraph 生态、想低成本起步 → LangMem。三者并不互斥，可组合（详见 §5）。

1. 问题背景：agent 为什么需要记忆系统

MemGPT 论文的出发点（摘要原文）：

"LLMs are constrained by limited context windows, hindering their utility in tasks like extended conversations and document analysis."

Zep 论文则把矛头指向 RAG：

现有 RAG 框架 "limited to static document retrieval"，而企业级/助手级场景要求从持续进行的对话和业务数据中动态整合知识。

两者合起来定义了这个问题域的三个子问题：

1. 容量：上下文窗口装不下全部历史（对话越长越明显）。
2. 持久化与个性化：跨 session 记住用户，"remember, reflect, and evolve dynamically through long-term interactions with their users"（MemGPT 摘要）。
3. 时间性：事实会变（换工作、改偏好）。静态检索无法表达"X 在 3 月前为真、现在为假"。这是 Zep 强调的差异化维度。

2. 三个系统精读

2.1 MemGPT（论文）→ Letta（产品）

2.1.1 核心思想：操作系统隐喻

MemGPT 提出 virtual context management，"drawing inspiration from hierarchical memory systems in traditional operating systems"——OS 通过在快慢存储间搬运数据制造"大内存"的假象，MemGPT 对上下文窗口做同样的事，并用中断（interrupt）管理控制流。

2.1.2 内存层级（论文 §3）

Main context（= RAM，即 prompt tokens），"anything in main context is considered in-context and can be accessed by the LLM processor during inference"，分三段：

External context（= 磁盘），"any information that is held outside of the LLMs fixed context window"，必须"explicitly moved into main context"才能被处理：

• Recall storage：消息数据库（完整对话历史）。
• Archival storage："a read/write database storing arbitrary length text objects"，向量检索（pgvector + HNSW，cosine）。

2.1.3 自编辑记忆：函数集与自主性

"Memory edits are entirely self-directed: MemGPT autonomously updates and searches through its own memory based on the current context."

关键函数：

• core_memory_append / core_memory_replace：改写 working context（persona / human 信息）；
• archival_memory_insert / archival_memory_search：写入/查询归档向量库；
• conversation_search：查 recall storage，命中后 "the queue manager appends them to the back of the queue to reinsert them into the LLM's context window"。

2.1.4 内存压力与驱逐（OS 分页的对应物）

• warning token count（如上下文 70%）：系统插入 "memory pressure" 警告消息，给 LLM 机会主动把重要信息存入 working context 或 archival；
• flush token count（如 100%）：queue manager 驱逐约 50% 消息，"generates a new recursive summary using the existing recursive summary and evicted messages"。被驱逐消息 "stored indefinitely in recall storage"，仍可检索——与 OS 换页到磁盘完全同构。

2.1.5 Heartbeat 与函数链

函数调用可带 request_heartbeat=true，输出回填 main context 后立即再次推理，实现多步操作（如翻页式多轮检索）；不带该 flag 则 yield，等待下一个外部事件（用户消息、系统消息、定时事件）。这是 agent 能在一次用户输入内完成"检索→判断→再检索→回答"的机制基础。

2.1.6 实验结果（2023 论文）

DMR（Deep Memory Retrieval，多轮对话一致性）：

嵌套 KV 检索（最亮眼的结果）：基线在 nesting level 1（GPT-3.5）或 3（GPT-4/4 Turbo）就掉到 0%，而 "MemGPT with GPT-4…is unaffected with the number of nesting levels"，是 "the only approach that is able to consistently complete the nested KV task beyond 2 nesting levels"——因为它可以通过函数反复查 main context 里的 KV 对。

文档 QA：性能 "unaffected by increased context length"（对比截断类方法随压缩率上升而退化）。

Conversation opener：GPT-4+MemGPT 的开场白 SIM-1 得分 0.868，超过人工撰写的 0.800。

2.1.7 Letta：产品化演进（2024–2026）

MemGPT 作者创办 Letta，把论文系统做成 "Platform for stateful agents: AI with advanced memory that can learn and self-improve over time"（GitHub README，2026-10 抓取，25.3k stars，Apache-2.0）。

仓库现状（重要，2026-10 抓取）：主仓库 letta-ai/letta 已变为指路页——"The current source code lives in letta-ai/letta-code"（含 agent harness、terminal UI、App Server、channels、runtime），V1 API server 归档在 archive 分支；安装方式变为 npm install -g @letta-ai/letta-code，支持 self-hosted App Server、chat.letta.com、Slack/Telegram/Discord 集成、TypeScript Agent SDK。这说明 Letta 在 2025–2026 从 Python 服务端框架转向了 "Letta Code" 形态（对标 Claude Code 一类产品），选型时需注意其架构仍在快速变化。

博客《Agent Memory》中的四层记忆分类：

1. Message buffer："the most recent messages in a conversation"；
2. Core memory："in-context memory blocks that can be managed by the agent itself or by other agents"；
3. Recall memory："the complete history of interactions that can be searched and retrieved when needed"；
4. Archival memory："explicitly formulated knowledge stored in external databases"（向量或图数据库 + 专用检索工具）。

Memory blocks（文档定义）："structured sections of the agent's context window that persist across all interactions"，四要素：label（唯一标识）、description（"the main information used by the agent to determine how to read and write to that block"）、value（内容）、limit（字符上限，示例常用 5000/4000）。默认 read-write，可设 read_only 防止 agent 破坏共享数据；多 agent 可挂同一个 block——"If multiple agents are attached to a block, they will all have the block data in their context windows"，更新自动传播。注意两个坑：设置 block value 是整体替换而非 append；并发写是 last-write-wins。

Sleep-time compute：记忆管理作为 "non-blocking operations" 异步进行，空闲期做 "proactive memory refinement"，产出 "higher quality memory blocks"。即：把"整理记忆"从对话关键路径上挪走——与 LangMem 的 background 形成、以及"睡眠巩固记忆"的神经科学隐喻殊途同归。

2.2 Zep / Graphiti：时序知识图谱记忆

2.2.1 定位与关系

• Graphiti（开源，Apache-2.0，32.3k stars，2026-10 抓取）："a framework for building and querying temporal context graphs for AI agents"；"Zep is the unified context layer for enterprises"，"Graphiti is the graph construction framework inside Zep"。即：Graphiti 可自托管，Zep Cloud 加治理、托管与企业特性。
• 论文自述："a novel memory layer service for AI agents"，在 DMR 上超过 MemGPT。

2.2.2 Graphiti 三层子图

图 𝒢=(𝒩,ℰ,φ)，三个层级：

1. Episode subgraph：原始输入（"messages, text, or JSON"），是 "non-lossy data store from which semantic entities and relations are extracted"。无损是关键卖点：episodic edges 让 "semantic artifacts can be traced to their sources for citation or quotation"（可溯源/可引用）。
2. Semantic entity subgraph：实体节点（"extracted from episodes and resolved with existing graph entities"）+ 语义边（实体间关系/事实）。
3. Community subgraph：社区节点代表 "clusters of strongly connected entities"，含 "high-level summarizations of these clusters"。

设计明确对标认知心理学："episodic memory, which represents distinct events, and semantic memory, which captures associations between concepts."

2.2.3 Bi-temporal 模型（全文最核心的架构决策）

两条时间线：

• T（event time，事件时间）：事实在现实世界中何时为真——t_valid / t_invalid；
• T′（transaction time，事务时间）：事实何时进入/离开系统——t'_created / t'_expired。

论文称 "this bi-temporal approach represents a novel advancement in LLM-based knowledge graph construction."

Edge invalidation（边作废）：新信息与旧事实矛盾时，"employs an LLM to compare new edges against semantically related existing edges to identify potential contradictions"；发现时间上重叠的矛盾，就把旧边的 t_invalid 设为新边的 t_valid——作废旧边而非删除，且 "consistently prioritizes new information"。效果："maintaining both current relationship states and historical records"：既能回答"用户现在住哪"，也能回答"用户去年住哪"。Graphiti README 的表述："Facts have validity windows. When information changes, old facts are invalidated — not deleted."

2.2.4 图构建流水线

1. Ingestion：消息作为 episode 进入，带参考时间戳 t_ref（解析"昨天/下周五"等相对时间），处理当前消息 + 最近 4 条做上下文；
2. Entity extraction：NER + 自动抽取说话人，用 "a reflection technique inspired by reflexion" 抑制幻觉，并生成实体摘要；
3. Entity resolution（去重）：实体名嵌入 1024 维向量，cosine + 全文双路召回候选，再由 LLM 判断是否同一实体；命中则 "it generates an updated name and summary"；
4. Fact extraction：抽取实体间事实（含 predicate）；同一事实可挂多对实体，"an implementation of hyper-edges"；
5. Fact resolution：边去重的混合搜索 "constrained to edges existing between the same entity pairs"，显著降复杂度；
6. Temporal extraction：抽取绝对/相对时间，边上存全部四个时间字段；
7. Community construction：用 label propagation（而非 GraphRAG 式 Leiden），因为 "straightforward dynamic extension"——新节点归入邻居中占多数的社区，定期全量刷新。

增量 vs 批处理是与 GraphRAG 的本质区别（README："New data integrates immediately without batch recomputation"；博客：Zep "maintains a rich temporal understanding of how information evolves over time"）。

2.2.5 混合检索

f(α) = χ(ρ(φ(α)))：三种搜索 × 五种重排 × 构造器。

• 搜索 φ：① cosine 语义相似（Neo4j Lucene 向量索引）；② Okapi BM25 全文（词级）；③ breadth-first graph search（"contextual similarities—where nodes and edges closer in the graph appear in more similar conversational contexts"，可用最近 episode 作种子节点）；
• 重排 ρ：RRF（多路融合）、MMR（多样性）、episode-mentions（按实体/事实在对话中被提及频率）、node distance（按到质心节点的图距离）、cross-encoder（LLM 交叉注意力打分，最贵）；
• 构造 χ：边 → 事实 + valid/invalid 日期；实体节点 → 名字 + 摘要；社区节点 → 摘要。

2.2.6 基准结果（论文，注意是厂商自评）

DMR（500 段多 session 对话，每段 5 session）：

作者自己承认 DMR 已过时：对话 "only 60 messages, easily fitting within current LLM context windows"，问题都是 "single-turn, fact-retrieval questions"。博客进一步点破：给足全上下文，裸模型就能超过 MemGPT 当年报告分——这既是对 MemGPT 的批评，也是对 DMR 榜单的祛魅。

LongMemEval_s（平均 ~115k tokens 的长历史，更真实的时序推理基准）：Zep 检索 top-20 边+实体，注入 ~1.6k tokens：

即 +15.2%/+18.5% 准确率、约 -90% 延迟、<2% token（博客："less than 2% of the baseline tokens"）。分题型（gpt-4o）：single-session-preference +184%、temporal-reasoning +38.4%、multi-session +30.7%；但 single-session-assistant -17.7%，作者承认 "suggest further research and engineering work is needed"。

与 MemGPT 的直接对比缺失：作者尝试在 LongMemEval 上跑 MemGPT 但 "were unable to achieve successful question responses"，因为 MemGPT "does not support direct ingestion of existing message histories"。所以跨系统的公平横评实际上并不存在。

2.2.7 部署依赖（自托管 Graphiti 的真实成本）

README：Python 3.10+；图库 Neo4j 5.26 / FalkorDB 1.1.2 / Amazon Neptune / Kuzu（已弃用）；默认 OpenAI API key（LLM + embedding），也支持 Anthropic/Gemini/Groq；"Works best with LLMs supporting Structured Output"。注意：每条 episode 的入库都要多次 LLM 调用（实体抽取、实体消解、事实抽取、时间抽取、矛盾判定），写入成本与延迟显著高于"存个向量"的方案——这是选型时最容易低估的一项。

2.3 LangMem：记忆作为 SDK 原语

2.3.1 定位

LangChain AI 出品的开源库（MIT，GitHub 显示活跃维护：154 commits / 56 open issues，无 deprecation banner，2026-10-27 抓取），"helps agents learn and adapt from their interactions over time"。它不是服务、不带数据库，而是 "both functional primitives you can use with any storage system and native integration with LangGraph's storage layer"——存储落在 LangGraph BaseStore（多级 namespace 如 ("acme_corp", "{user_id}", "code_assistant") 下的 JSON 文档），开发用 InMemoryStore（"in process memory—they'll be lost on restart"），生产推荐 AsyncPostgresStore。"Available by default in all LangGraph Platform deployments."

2.3.2 记忆类型学（概念指南，借鉴认知科学三分法）

Profile vs collection 的取舍：只要最新状态 → profile（单一文档原位改）；需要保留多条并做冲突调和 → collection（"reconciliation of new information with existing beliefs"）。

2.3.3 记忆形成的两条路径

• Hot path（有意识）：对话进行中由 agent 调工具即时写——"immediate updates when critical context emerge"，代价是延迟和工具选择复杂度；
• Background（潜意识）：交互后/间隙异步进行——"deeper pattern analysis without impacting response time"，更适合做回忆巩固。

Memory manager 的职责："reconcile new information with previous beliefs, either deleting/invalidating or updating/consolidating existing memories"，通过 "memory enrichment process" 平衡新增与合并，指令可由开发者定制。

2.3.4 关键 API

• create_manage_memory_tool / create_search_memory_tool：hot path 下 agent 的存/取记忆工具（配 create_react_agent 使用）；
• background memory manager（create_memory_store_manager 一类）："automatically extracts, consolidates, and updates agent knowledge"；
• create_prompt_optimizer：程序性记忆的实现——吃进带反馈分数的对话轨迹，产出优化后的系统提示（文档示例：低分交互后，prompt 被增补了 "practical-first explanations and adaptive response styles" 一类规则）。这是三个系统里唯一把"改 prompt"明确当作记忆通道的。

2.3.5 没有的东西（同样重要）

• 无公开基准：文档与 README 均未给出任何 benchmark 数字（对比 Zep 论文的 DMR/LongMemEval、MemGPT 论文的 DMR/KV）；
• 无内置时间模型：没有 valid/invalid 时间轴，事实演化靠"更新/合并覆盖"，时序推理要开发者用 metadata 自己搭；
• 无检索重排体系：语义搜索 + 元数据过滤 + 直接读取，没有 Zep 那种多路混合搜索和重排器。

3. 架构对比总表

三条路线的本质分歧：谁负责管理记忆

• Letta：agent 自己管（LLM as OS kernel）。优点是灵活、agent 有"元认知"；缺点是记忆质量强依赖底模的 function calling 能力，小模型会写坏/漏写记忆，且检索轮数不可控（读取延迟方差大）。
• Zep：系统管线管（deterministic pipeline + LLM 做抽取判断）。优点是写入质量稳定、读取快而便宜、时间语义正确；缺点是写放大（每条消息多次 LLM 调用）、多一个图库要运维、检索是"被动注入"而非 agent 自主探索。
• LangMem：开发者编排（给你原语，路径自己选）。优点是轻、可组合、不锁基础设施；缺点是一切都要自己搭，无时间模型，无效果背书。

4. 证据质量评估（精读者注）

1. Zep 的数据是厂商自评（论文作者全部来自 Zep 公司），且 DMR 上 MemGPT 用的是对方论文报告值而非复现值；LongMemEval 上 MemGPT 根本没跑起来（"unable to achieve successful question responses"），横评缺失。数字方向可信（+18.5%、-90% 延迟的量级与"1.6k vs 115k tokens"的机制自洽），但"超过 MemGPT"的表述要打折扣。
2. MemGPT 论文是 2023 年的，DMR 93.4% 在当时惊艳，但 Zep 论文显示：2024 年后给足全上下文的裸模型就有 94.4%（gpt-4-turbo）/98.0%（gpt-4o-mini）。DMR 作为基准已失效，这恰说明记忆系统的价值主张必须转向：长上下文吃不下/吃不划算的场景（115k+ tokens、成本、延迟）与时间推理。
3. Zep 自己的回归项：single-session-assistant 题型 -17.7%——图谱记忆在"用户问助手刚说过的话"这类近距离场景反而不如全上下文，提示图检索不是万能的，近距离对话仍需消息缓冲兜底。
4. LangMem 零基准：效果完全取决于开发者写的提取/合并 prompt 和 schema，无法先验判断上限。
5. Letta 主仓库已迁移到 letta-code、V1 server 归档——产品形态剧烈变动中，评估 Letta 时文档/教程的时效性风险高。

5. 个人助手项目选型建议

5.1 先把需求拆开

个人助手（personal assistant）场景的记忆需求画像：

5.2 四条路径

路径 A：LangMem（已在/愿意进 LangGraph 生态，想快速起步）

• 起步成本最低：create_manage_memory_tool + create_search_memory_tool + AsyncPostgresStore，一天能跑通；background manager 把提取合并挪出关键路径；profile 模式天然适合"用户画像单文档"。
• 用 create_prompt_optimizer 做程序性记忆是独家能力。
• 短板：时间演化要自己用 metadata（如 valid_from/superseded_by）搭简化版；无检索重排；效果无背书。
• 适合：先验证产品价值，记忆需求还停留在"记住偏好和事实"的阶段。

路径 B：Graphiti 自托管（把记忆当核心资产认真做）——对"时间正确性"要求高时的首选

• 三个系统中唯一在架构层面解决"事实会过期"的：bi-temporal + edge invalidation，个人助手最高频的坏 case（助手拿着旧信息答新问题）被系统性消灭。
• episode 层无损 + 可溯源，个人数据可审计、可导出。
• 读取端便宜且稳（top-k 边注入 ~1.6k tokens），符合个人助手"高频短对话"的负载形态。
• 成本：Neo4j/FalkorDB 运维 + 每条消息多次 LLM 调用的写放大（可用 gpt-4o-mini 级小模型做抽取来压成本）；写入延迟高 → 必须异步化（对话结束后入图）。
• 适合：愿意为记忆质量投入、助手要陪用户跑以月/年计的时间尺度。

路径 C：Letta（不想自己搭 agent loop，要 runtime + 记忆一体）

• stateful agent 平台直接给你：持久 agent、memory blocks（人可在 ADE 里直接编辑——对个人助手是很好的"手动修正记忆"体验）、多 agent 共享 block（如一个"记忆管家 agent"专门维护用户画像块）、sleep-time agents（空闲整理记忆）。
• 风险：框架绑定重；2026 年产品形态剧烈迁移中（letta → letta-code，V1 server 归档），文档时效差；记忆质量依赖底模 function calling。
• 适合：想要"数字分身"式全托管体验、能接受跟着它的架构走。

路径 D：Zep Cloud（Graphiti 的托管版）

• 免运维 + 企业特性，但个人项目按量/按席位付费通常不划算，且数据出本地。除非不想碰图库且接受订阅费，否则个人助手选 Graphiti 自托管即可。

5.3 我的推荐

默认推荐：路径 B（Graphiti 自托管）作为记忆层 + 自备轻量 agent loop；若已在 LangGraph 生态则先 A 后 B。 理由：

1. 个人助手的记忆难点排序是：时间正确性 > 长期容量 > 检索精度。容量问题在 2026 年已被长上下文大幅缓解（Zep 论文自己承认 60 条消息的 DMR 场景全上下文就能打），而"用户三个月前说的偏好现在改了"这类问题，全上下文和向量检索都给不出正确答案，只有 bi-temporal 图能。
2. Graphiti 是 Apache-2.0 纯框架，不绑定 agent 框架——你可以用 LangGraph、裸 SDK 或任何 loop 调它，迁移成本远低于 Letta。
3. 写放大问题可以工程化解决（异步入图 + 小模型抽取），而"没有时序模型"这个问题在 LangMem/Letta 上无法工程化补全——要补就等于自己重写一个简化版 Graphiti。
4. 混合架构是可行且值得的：近期对话用消息缓冲（覆盖 Zep 回归的 single-session-assistant 场景），中长期记忆走 Graphiti 图检索；若同时用 LangGraph，可保留 LangMem 的 prompt optimizer 做程序性记忆——三者职责不冲突。
5. 无论选哪条，借鉴 sleep-time compute：把记忆整理（合并、作废、摘要）放到空闲时段异步跑，别占对话关键路径。

5.4 决策树（速查）

需要"事实随时间演化且可回溯"？
├─ 是 → 自托管意愿 + 运维能力？
│        ├─ 有 → Graphiti + Neo4j/FalkorDB（路径 B）
│        └─ 无 → Zep Cloud（路径 D，付费换运维）
└─ 否 → 已在 LangGraph 生态？
         ├─ 是 → LangMem 起步（路径 A），需求升级再迁 Graphiti
         └─ 否 → 想连 agent runtime 一起外包？
                  ├─ 是 → Letta（路径 C，注意 letta-code 迁移期风险）
                  └─ 否 → LangMem / 自建 blocks + 向量库（借鉴 Letta 的 block 设计）

6. 七维度提取（主题层面）

6.1 核心问题

如何让 LLM agent 在有限上下文窗口下拥有持久、可演化、可高效检索的记忆，支撑跨 session 的长期交互（扩展对话、个性化助手、动态知识整合）。

6.2 主要主张

• MemGPT/Letta：把 OS 虚拟内存思想移植到 LLM——分层存储 + agent 自主换页（函数调用自编辑记忆），即可"制造"无限上下文的假象；产品化后主张 memory blocks + sleep-time compute 是 stateful agent 的基础设施。
• Zep/Graphiti：静态 RAG 不够，agent 记忆必须是时序知识图谱：事实带有效期、矛盾时作废不删除、增量入图；混合检索让"少而准"的上下文注入胜过全量塞入（+18.5% 准确率、-90% 延迟、<2% tokens）。
• LangMem：记忆应拆成语义/情景/程序性三类原语，形成时机分 hot path 与 background，开发者按需在任意存储上组合，而非绑定某个记忆服务。
• 横向判断（本笔记综合）：记忆系统的竞争焦点已从"能不能记住"（长上下文已解决大半）转向"时间正确性、写入成本、读取延迟、可溯源"四件事；时间性是当前的分水岭。

6.3 方法

• MemGPT：系统工程 + 受控实验（DMR、嵌套 KV、文档 QA、MSC opener），GPT-3.5/4/4-Turbo 多底模对照。
• Zep：架构论文 + 双基准评测（DMR 复现对比 + LongMemEval_s 全上下文基线对照），gpt-4o/4o-mini 双模型。
• LangMem：无实验方法，纯工程库 + 概念框架（借鉴认知心理学的记忆三分法）。
• 本笔记方法：一手论文全文精读（arXiv HTML）+ 官方文档/仓库/博客交叉验证，标注厂商利益冲突与数据缺失。

6.4 数据与证据

• MemGPT：DMR GPT-4 Turbo 35.3%→93.4%；嵌套 KV 唯一能过 2 层；opener SIM-1 0.868 vs 人类 0.800。
• Zep：DMR 94.8%（4-turbo）/98.2%（4o-mini）；LongMemEval_s 55.4%→63.8%（4o-mini）、60.2%→71.2%（4o），延迟 31.3s→3.20s / 28.9s→2.58s，上下文 115k→1.6k tokens；分题型 preference +184%、temporal +38.4%、multi-session +30.7%、single-session-assistant -17.7%。
• LangMem：无定量证据（局限）。
• 证据充分性评估：Zep 数据最完整但厂商自评、MemGPT 横评缺失；MemGPT 数据可信但基准已过时；LangMem 无背书。没有任何第三方在 2026 年对三者做过同条件横评（本次检索未发现，DDG 超时导致搜索面有限）。

6.5 结论

三条路线各自成立且不完全互斥：Letta = 记忆内建于 agent 运行时（agent 自管），Zep/Graphiti = 记忆外置为时序图谱服务（管线自管），LangMem = 记忆拆为可组合原语（开发者编排）。对时间敏感、长期陪伴型的个人助手，Graphiti 类时序图谱是当前架构上最完备的答案；对快速起步和生态内用户，LangMem 够用；Letta 适合接受全家桶的场景。近期对话仍需消息缓冲兜底，纯图检索在近距离问答上有实测回归。

6.6 局限

• 厂商自评偏差（Zep 论文）；MemGPT 无法导入既有历史导致 LongMemEval 横评缺失。
• DMR 基准失效（全上下文即可刷高分），Zep 的 DMR 优势说服力有限。
• Zep 在 single-session-assistant 题型 -17.7%，作者自认需更多研究。
• Graphiti 写入成本高（每 episode 多次 LLM 调用）+ 需图库运维，论文未量化写入开销。
• LangMem 无基准、无时间模型。
• Letta 处于 letta→letta-code 架构迁移期，公开文档碎片化、时效性差。
• 本笔记局限：未能实际运行任何系统做实测对比；DDG 搜索超时导致可能遗漏第三方横评/新玩家（如 MemOS、Mem0、OpenAI/Anthropic 原生 memory 等未在本主题范围内展开）。

6.7 对我的启发

1. OS 隐喻是可迁移的设计模式：memory pressure 警告（让模型在驱逐前主动保存）和 heartbeat 函数链，是任何自研 agent loop 都可以低成本复刻的机制。
2. "作废不删除"应成为个人助手记忆的默认语义：bi-temporal 的四字段（valid/invalid × created/expired）值得在任何自研记忆 schema 里预留，哪怕先用 SQLite/Postgres 简化实现。
3. 写入路径与读取路径的成本要分开算：Zep 证明"写贵读贱"在助手场景是划算的（高频短对话读、异步慢慢写）；sleep-time/background 整理是三家共识，异步化记忆巩固应作为默认架构决策。
4. profile 与 collection 是两种画像范式：单一 profile 文档（LangMem/Letta block）适合"当前状态"，collection/图适合"历史与证据"；成熟系统多半两者都要（块给人看/给 agent 常驻，图给检索）。
5. 警惕基准营销：DMR 的兴衰（2023 年 93.4% 惊艳 → 2024 年裸模型 94.4%）提醒我，评估记忆系统要看它在"长上下文吃不下"的场景（LongMemEval 类）与时间推理上的表现，而不是排行榜数字。
6. 程序性记忆是被低估的通道：LangMem 的 prompt optimizer 把"agent 行为改进"也纳入记忆体系——个人助手长期陪伴中，"学会怎么跟你说话"可能比"记住你说过什么"更提升体验。

7. 关键原文引述辑录

MemGPT 论文（arXiv:2310.08560）

"virtual context management, a technique drawing inspiration from hierarchical memory systems in traditional operating systems"
"Memory edits are entirely self-directed: MemGPT autonomously updates and searches through its own memory based on the current context."
Working context: "A fixed-size read/write block of unstructured text, writeable only via MemGPT function calls."
"MemGPT with GPT-4…is unaffected with the number of nesting levels and is able to perform the nested lookup by accessing the key-value pairs stored in main context repeatedly via function queries."

Letta（GitHub / 博客 / 文档）

"Platform for stateful agents: AI with advanced memory that can learn and self-improve over time."
Core memory: "in-context memory blocks that can be managed by the agent itself or by other agents."
Memory blocks: "structured sections of the agent's context window that persist across all interactions."
"If multiple agents are attached to a block, they will all have the block data in their context windows."
Sleep-time compute: "proactive memory refinement" producing "higher quality memory blocks."
"The current source code lives in letta-ai/letta-code"（主仓库 README，2026-10）

Zep 论文（arXiv:2501.13956）

"a novel memory layer service for AI agents"；Graphiti: "a temporally-aware knowledge graph engine"
Episode subgraph 是 "non-lossy data store from which semantic entities and relations are extracted"；"semantic artifacts can be traced to their sources for citation or quotation."
"bi-temporal approach represents a novel advancement in LLM-based knowledge graph construction."
Edge invalidation: "employs an LLM to compare new edges against semantically related existing edges to identify potential contradictions"；"consistently prioritizes new information."
DMR 局限：conversations "only 60 messages, easily fitting within current LLM context windows."
回归项：single-session-assistant 下降 "suggest further research and engineering work is needed."
MemGPT 对比缺失："were unable to achieve successful question responses"，因 MemGPT "does not support direct ingestion of existing message histories."

Zep 博客 / Graphiti README

Graphiti: "an open source library that builds dynamic, temporally-aware knowledge graphs"；"Zep is the unified context layer for enterprises"，"Graphiti is the graph construction framework inside Zep."
"Facts have validity windows. When information changes, old facts are invalidated — not deleted."
"Combines semantic embeddings, keyword (BM25), and graph traversal for low-latency, high-precision queries."
"New data integrates immediately without batch recomputation."（vs GraphRAG 批处理）
LongMemEval: "aggregate accuracy improvements of up to 18.5%"，"less than 2% of the baseline tokens."

LangMem（文档 / 概念指南 / GitHub）

"helps agents learn and adapt from their interactions over time."
Semantic memory: "essential facts and other information that ground an agent's responses."
Episodic memory: "the full context of an interaction—the situation, the thought process that led to success, and why that approach worked."
Procedural memory: "how an agent should behave and respond."
Profile: "a single document that represents the current state."
Hot path: "immediate updates when critical context emerges"；Background: "deeper pattern analysis without impacting response time."
Memory manager 职责："reconcile new information with previous beliefs, either deleting/invalidating or updating/consolidating existing memories."
"both functional primitives you can use with any storage system and native integration with LangGraph's storage layer."

8. 参考链接汇总

1. MemGPT 论文：https://arxiv.org/abs/2310.08560 （全文：https://arxiv.org/html/2310.08560v2）
2. Letta GitHub：https://github.com/letta-ai/letta （主代码已迁至 letta-ai/letta-code）
3. Letta 博客《Agent Memory》：https://www.letta.com/blog/agent-memory
4. Letta 文档 memory blocks：https://docs.letta.com/v1-sdk/memory/memory-blocks/
5. Zep 论文：https://arxiv.org/abs/2501.13956 （全文：https://arxiv.org/html/2501.13956v1）
6. Zep 博客《State-of-the-Art Agent Memory》：https://www.getzep.com/blog/state-of-the-art-agent-memory/
7. Graphiti GitHub：https://github.com/getzep/graphiti
8. LangMem 文档：https://langchain-ai.github.io/langmem/ （概念指南：https://langchain-ai.github.io/langmem/concepts/conceptual_guide/）
9. LangMem GitHub：https://github.com/langchain-ai/langmem