AI智能体记忆系统攻关与上下文取舍
AI智能体记忆系统从被动检索转向主动管理与可训练化，当前焦点在于提升记忆质量而非容量。近期研究指出，长期记忆的关键是避免写入垃圾信息，而非单纯提高检索精度。同时出现NapMem、AutoMem等方案，让智能体自主决策记忆粒度和调用时机，其中AutoMem将记忆管理训练为可学习技能，32B模型性能已可比肩闭源系统。Ghost Memory问题被发现，即过时事实残留导致幻觉，已有研究提出状态感知覆盖层
7月10日
Oran Ge：Context并非越多越好
如果还觉得 context 越多就是越好 那就没有真正理解 context 是什么
7月10日
Meta 研究：用独立记忆智能体修复长周期 AI 智能体的"行为状态衰减"
Meta 新研究聚焦长周期 AI 智能体的"行为状态衰减"问题--任务事实、先前尝试和未完成子目标在上下文窗口中被埋没或超出范围，导致后续动作失效。
7月8日
NapMem：将长期记忆重构为智能体可自主导航的动作空间
NapMem 将长期记忆重构为结构化动作空间，让智能体自主选择信息粒度。
7月6日
研究命名"Ghost Memory"：AI智能体重复已过时事实的问题
长期运行的AI智能体会重复已过时的事实，新研究将此失效命名为"ghost memory"。
7月3日
克劳德，请别再试图背诵那些乱七八糟的东西了
测试发现，智能体拥有搜索历史会话转录的能力并未提升 SWE 任务性能，甚至可能更差。
7月2日
斯坦福 AutoMem：记忆管理成为可训练技能，32B 模型性能媲美顶尖闭源模型
斯坦福大学提出 AutoMem，将智能体的记忆管理从固定模块变为可训练技能。模型自主决定编码内容、检索时机以及笔记组织方式，文件系统操作升级为一级动作。
6月29日
Memora可扩展记忆系统解决AI记忆问题
AI智能体无法记住过去的对话。它们必须不断加载或检索上下文，随着任务变得更长更复杂，效率越来越低。
6月28日
Hermes代理优化：搭建自复盘Memory.md记忆循环
为用户提供不依赖微调或开发的Hermes代理优化方案：通过Memory.md文件构建"会话学习-记录沉淀-迭代优化"闭环。
6月28日
长期记忆的关键不是检索更准， 而是别把垃圾写进去
长期记忆的关键不是检索更准， 而是别把垃圾写进去
6月28日
研究：AI智能体缺乏真正记忆系统，现有评测忽略记忆自身性能
一篇新论文指出AI智能体目前缺乏真正的记忆系统。现有测试只检查最终答案，忽略了记忆系统本身的性能。
6月27日
安装知识记忆MCP，体验AI对话与个人知识库
装上了 @wey_gu 的knowledge mem，配置了MCP AI对话记忆，还有个人知识库还是挺关键的，等我试试体验下。 下载地址见评论区
6月27日
Karpathy LLM-WIKI：反转知识管理逻辑
Karpathy LLM-WIKI反转逻辑：人只筛选高质量资料并做最终判断，AI负责整理、链接、更新等脏活。
6月24日
EverOS HyperMem超图记忆架构：ACL 2026发表，27B模型性能追平397B
ACL 2026发表的EverOS推出HyperMem超图记忆架构，替代传统向量RAG。长期对话召回率达93%（RAG约45%）。
6月4日
Dreaming： ChatGPT 推出更强的记忆系统，更好记住用户偏好
ChatGPT 推出名为 Dreaming 的新记忆系统，能够更有效地记住用户偏好，并在跨对话场景中保持上下文的新鲜感和相关性，从而提升助手的个性化体验
