Agent 记忆层排行榜
这里收的是给 Agent 加“长期记忆”的工具：把对话、项目背景和决策存下来，下次会话或换一个 Agent 时还能找回。有的是 Claude Code、OpenCode 的插件，有的是独立服务或 MCP 服务端，有的用向量检索，有的用知识图谱。入选条件：跨会话记忆是它的主要功能（不收自带记忆功能的助手或框架），GitHub Star 不少于 2000，且最近 90 天内有提交。记忆里常有代码和私人信息，选型时请留意数据存在哪里、是否发往第三方。
截至 2026-11-09，按 FARS 源码评审，Agent 记忆层排名第一的是 Cognee 智能体记忆平台（76 分），其后是 Beads（74 分）、Mem0 智能记忆层（72 分）。前 3 名相差 4 分。近 7 天 GitHub Star 增长最快的是 Claude-Mem（每天 +827.4）。
| # | Agent | FARS | 信任 | Star | Star/天（近 7 天） | 最新正式版 | 许可证 | 语言 | 最近提交 |
|---|---|---|---|---|---|---|---|---|---|
| 1 | Cognee 智能体记忆平台 | 76 | 19/29 | 33.1k | +22.0 | v1.6.72026-11-06 |
Apache-2.0 | Python | 2026-11-06 |
| 2 | Beads：编码代理的分支感知内存 | 74 | 19/29 | 28.6k | +29.1 | v1.3.42026-11-04 |
MIT | Go | 2026-11-08 |
| 3 | Mem0 智能记忆层 | 72 | 16/29 | 68.6k | +57.9 | ts-v3.3.12026-09-25 |
Apache-2.0 | Python | 2026-11-06 |
| 4 | MemPalace 记忆库 | 72 | 18/29 | 60.5k | +35.0 | v3.11.02026-10-14 |
MIT | Python | 2026-11-08 |
| 5 | MemSearch 记忆层 | 69 | 18/29 | 2.8k | +3.1 | v0.4.232026-10-27 |
MIT | Python | 2026-11-06 |
| 6 | Hindsight | 68 | 13/29 | 59.9k | +317.3 | v1.2.02026-11-03 |
MIT | Python | 2026-11-08 |
| 7 | MCP Memory Service | 68 | 18/29 | 2.1k | +5.6 | v12.7.02026-11-07 |
Apache-2.0 | Python | 2026-11-08 |
| 8 | OpenMemory 认知记忆引擎 | 65 | 16/29 | 4.6k | +2.0 | v1.3.02025-12-20 |
Apache-2.0 | TypeScript | 2026-10-18 |
| 9 | Claude-Mem | 64 | 14/29 | 114.8k | +827.4 | v15.12.02026-11-07 |
Apache-2.0 | TypeScript | 2026-11-08 |
| 10 | OpenViking | 59 | 16/29 | 41.8k | +71.6 | langchain-openvik…2026-11-06 |
AGPL-3.0 | Python | 2026-11-08 |
| 11 | memU 个人记忆库 | 59 | 13/29 | 14.6k | +2.3 | v1.5.12026-03-23 |
NOASSERTION | Python | 2026-11-05 |
| 12 | Graphiti：面向AI代理的时序知识图谱引擎 | 55 | 12/29 | 32.7k | +34.7 | v0.31.22026-10-20 |
Apache-2.0 | Python | 2026-11-08 |
| 13 | Magic Context | 54 | 12/29 | 2.5k | +4.9 | v0.49.432026-11-08 |
MIT | TypeScript | 2026-11-08 |
| 14 | TencentDB Agent Memory | 52 | 11/29 | 30.6k | +45.6 | v2.0.32026-10-26 |
NOASSERTION | TypeScript | 2026-11-04 |
| 15 | Memori | 47 | 11/29 | 17.5k | +26.1 | v3.3.62026-05-28 |
NOASSERTION | Python | 2026-09-18 |
哪些项目进榜：本榜只收这一类里独立可用、仍在维护、并且被大量用户按名字搜索的工具；建在它们之上的插件、技能包和配置层不进榜，放在对应工具的详情页里。入选名单在本站的公开仓库里维护，每次变动都有记录。
排序依据是 FARS 总分，Star 只用来打平手——热度衡量的是关注度，不是这东西撑不撑得住。看排序之前有两点要知道：这些都是静态评审（只看源码、文档与仓库元数据，没有做运行复测），可靠性、有效性、可验证三项因此被压了上限，实际可得满分是 77 而不是 100；而且几分之差落在这套方法的噪声范围内。请把这张表当成值得进一步考察的短名单，而不是结论。每个分数都链到完整的维度拆解和背后的证据。 评分方法 →
1. Cognee 智能体记忆平台
为智能体把数据沉淀为可跨会话检索的长期记忆。
差异在哪
与分别部署图数据库、向量数据库、Redis 和关系数据库的传统记忆栈相比，Cognee 展示了以单个 Postgres 实例承载图状态、pgvector、会话缓存和元数据的演示方案。该方案降低服务数量，但其 Postgres 图后端目前不适合生产；生产关系检索仍应考虑 Kuzu 或 Neo4j 等图原生后端。
2. Beads：编码代理的分支感知内存
用基于Dolt的依赖感知图替代杂乱无章的Markdown计划，为编码代理提供持久的结构化内存。
3. Mem0 智能记忆层
为 AI 助手和智能体保存、检索并复用长期记忆。
差异在哪
库模式适合测试和原型；自托管服务器适合在自有基础设施中运行的团队，并提供仪表板、认证与 API key；云平台面向零运维生产使用。README 将高级功能标为云平台“全部包含”，自托管为“Teasers”。
4. MemPalace 记忆库
把对话和项目资料原文存入本地记忆库，并用语义搜索为 AI 会话找回相关内容。
差异在哪
README 将 ChromaDB 描述为默认后端，并列出 sqlite_exact、rust_exact、Milvus、Qdrant 和 pgvector 作为可选后端。项目未提供与 Mem0、Mastra、Hindsight、Supermemory 或 Zep 的可比基准，因此不据此作性能排名。
5. MemSearch 记忆层
为编码代理提供可跨平台检索的持久语义记忆。
差异在哪
存储设计上，MemSearch 将 Markdown 作为可编辑的事实来源，将 Milvus 定位为可重建的影子索引；这不同于只把记忆保存在向量数据库中的方案。嵌入可选本地 ONNX、OpenAI、Ollama 等提供商，Milvus 后端可在 Milvus Lite、Zilliz Cloud 与自托管 Milvus 之间切换。
6. Hindsight
让智能体把交互沉淀为可检索、可反思的长期记忆。
差异在哪
README 将 Hindsight 定位为不同于仅依赖 RAG 或知识图谱的记忆实现：它在召回阶段结合向量、关键词、图关系和时间检索，并在写入后形成实体、关系与时间序列表达。材料没有提供可复现的迁移步骤或与某个具体产品的逐项功能对照。
7. MCP Memory Service
为多智能体与 AI 助手提供可自托管的持久共享记忆。
差异在哪
相较 Mem0、Zep 或自行拼接 Redis 与 Pinecone，该项目强调 Apache-2.0、自托管、本地 ONNX 嵌入、MCP、76 个 REST 端点、类型化知识图谱和自动整合。其表格将 Mem0 与 Zep 描述为商业或企业方案，而自建 Redis+Pinecone 需要自行完成集成。与 MCP 原生的 MemPalace 相比，MCP Memory Service 提供 REST API、Web 仪表盘、OAuth、多用户能力、Cloudflare 同步和知识图谱，但 README 报告的 LongMemEval R@5 较低。仓库同时提醒，MemPalace 的 96.6% 原始模式结果主要衡量 ChromaDB 默认嵌入，且与本项目默认的逐轮存储并非直接同口径比较。
8. OpenMemory 认知记忆引擎
为 LLM 与 AI 智能体提供真实长期记忆的自托管认知记忆引擎,本地优先,支持 Python 与 Node。
差异在哪
与 Mem0、Zep、Supermemory 等记忆系统相比,OpenMemory 强调多区块记忆和可解释性,而不仅仅是向量检索。代码示例显示其与 LangChain 和 Pinecone 的差异,OpenMemory 提供了更轻量的本地优先方案。
9. Claude-Mem
为编码代理保留跨会话、可检索的项目记忆。
10. OpenViking
把记忆、资源和技能统一为可浏览的智能体上下文文件系统。
差异在哪
README 的基准将 OpenViking 与 OpenClaw、Hermes 和 Claude Code 的原生记忆进行比较；报告称在 LoCoMo 上接入后准确率达到约 80–83%，并报告输入 token 与查询延迟下降。它适合需要独立、可浏览上下文层的场景，而不是仅依赖宿主智能体原生记忆的场景。
11. memU 个人记忆库
把多款编程助手的会话经验沉淀为可检索、可复用的 Markdown 技能。
差异在哪
与只在单一助手内保留上下文的做法相比，memU 将多个已配置宿主的会话知识写入共享后端；与 memU Cloud 相比，自托管模式将记忆放在用户配置的本地 SQLite 或 Postgres 中，但仍需要嵌入提供商。
12. Graphiti：面向AI代理的时序知识图谱引擎
构建随时间演变的上下文图谱，让AI代理掌握事实的时效性变化。
差异在哪
Graphiti可与GraphRAG对比：GraphRAG适用于静态文档摘要，批处理，查询延迟高（秒级）；Graphiti面向动态上下文，增量更新，亚秒级查询，支持时间追踪和矛盾自动失效。
13. Magic Context
为 OpenCode 和 Pi 编程代理持续管理上下文，并沉淀跨会话项目记忆。
差异在哪
Magic Context 取代 OpenCode 的内置 compaction，并要求关闭 compaction.auto 与 compaction.prune。它不能与 opencode-dcp 同时运行；对于 oh-my-opencode，安装流程可关闭与其重叠的 preemptive-compaction、context-window-monitor 和 anthropic-context-window-limit-recovery hooks。
14. TencentDB Agent Memory
把对话、文档和代码沉淀为团队可治理、可复用的记忆资产。
差异在哪
README 将其与 Chat History 和 Standard RAG 对比：它额外定位于从会话中提炼 Chat Memory 与 Skill，并为文档提供 Wiki + Link Graph、为代码提供 CodeGraph，同时管理所有权、版本、状态、团队共享、Agent 装备与 ACL。
15. Memori
把智能体执行与对话沉淀为可持久化、可检索的结构化记忆。
差异在哪
README 报告：在 LoCoMo 长对话记忆基准中，Memori 达到 87% 总体准确率、平均每查询 721 tokens，并称其优于 Zep、LangMem 和 Mem0；同时称相较完整上下文提示可降低超过 36 倍的上下文成本。该比较仅覆盖 README 所述的基准设置。