2026 年 AI Agent 记忆系统格局：Mem0 vs Zep vs Letta vs Cognee
Codex 核验（2026-10-10）：Zep 平台 与 Graphiti 开源库 仍在维护；Graphiti 使用 Apache-2.0。Mem0 当前 README 的托管算法报告 LoCoMo 92.5 和 LongMemEval 94.4，且明确含专有优化。旧的 49/63.8 等二手对比不是当前同条件排名，不能据此推出全局优劣。第三方 SOC 2/HIPAA 等供应商表述本次未核审计报告或合同；没有本地部署实测。
有意思的点
- Mem0（~47K GitHub stars）最流行，混合 vector+graph+key-value 存储 + 自动提取，但时间推理弱——事实被更新覆盖而不是版本化。LongMemEval 上 GPT-4o 仅 49.0%。
- Zep（Graphiti） 用时间知识图谱，每条边带显式 validity window（有效时间窗口），事实改变时不覆盖旧版本，标记 invalid 后加新边。LongMemEval 上 GPT-4o 达 63.8%（比 Mem0 高 15 个百分点）。
- Letta（来自 MemGPT 团队）把 LLM 当操作系统——context window 是 RAM，archival memory 是磁盘，agent 自管理内存分配。适合长生命周期有状态服务。
- Cognee 走 ECL（Extract-Cognify-Load）管道 → 类型知识图谱，可检查、结构化，但缺 SOC2/HIPAA 认证。
三大子问题框架各有侧重
- Extraction（提取什么）：Mem0 自动提取；Letta 交给 agent 自己决策
- Retrieval（检索）：向量 similarity 便宜但混语义近似和实际有用；图遍历回答结构化问题
- Invalidation（失效）：时间维度才是真正区分四个框架的维度。平坦向量存储随时间腐烂——旧事实和新事实的 embedding 几乎一样近
随手记
- 对我们来说最相关的洞察：gbrain 本质上是这框架的实践——我们用 postgres + 图结构 + 时间线来组织知识。Zep 的 temporal graph 思路和 gbrain 的 add_timeline_entry 很像。
- “Stars measure adoption, not fit”——选框架要看记忆模式而非流行度。
- 建议有空看看 LongMemEval benchmark，看我们自己的记忆系统在时间推理上能怎么改进。
- Mem0 适合个人化/稳定偏好；Zep 适合随时间变化的状态；Letta 适合长期 agent；Cognee 适合文档知识图谱但受限合规。