源码阅读 · 七篇项目笔记

长期记忆不只是向量检索

Agent 需要的不是“把历史全部塞回 prompt”，而是知道原始历史、用户画像、图关系、工作流状态和本轮输入分别由谁保存、何时写入、怎样召回。这个系列用同一组问题比较八个项目。

怎么读：先看路线说明建立五个盒子；再按项目逐篇阅读。选型时先问历史保存在哪里，再问检索算法有多聪明。

阅读路线

先建立共同地图，再看每个项目选择了什么边界

第零篇是导读，不计入七篇项目笔记；它为后续比较提供相同的术语和判断问题。

用五个盒子区分原始历史、提取记忆、关系结构、工作流状态和本轮模型输入。

看记忆算法怎样从抽取、冲突更新走向只追加写入与混合召回。

区分已归档 V1 的 Block 与 AgentState 恢复，以及当前 Letta Code 本地后端怎样编译 Git 已提交记忆并让后续轮次读取。

用时间图谱同时保存“以前是什么”和“现在是什么”，避免覆盖掉变化过程。

区分 hot path 与 background path，让任务推进和记忆整理承担不同延迟。

看 Context Offload、Gateway、Memory Hub 与 Memory Proxy 怎样把经验变成可授权、可装配的团队资产。

从统一资源树理解阅读深度、按预算组装上下文与两阶段会话提交。

比较把多源材料处理成知识图，和通过 context API 为多个 Agent 提供记忆。