Agent 记忆战：AWS 钦点 Mem0、ChatGPT 改档，可「真删除」的记忆还没造出来

summerliyang

85人浏览 · 2026-11-07 12:27:17

summerliyang · 2026-11-07 12:27:17 发布

10 月下旬，一项针对记忆库删除行为的测试，把 agent 记忆行业最尴尬的一面摆上了台面：研究人员把七个主流记忆库「删除前」的副本恢复出来，其中六个，把用户早就删掉的内容原封不动地当成当前记忆返回，只有一家叫 Recallspection 的坚持拒绝。也就是说，今天市面上绝大多数 AI 记忆，连「删除」这一件事都做不干净。

而就在同一段时间，这条赛道正在被大厂和资本同时下注。据多家媒体交叉报道，AWS 把 Mem0 钦点为自己 agent SDK 的独家记忆提供商，Mem0 的 API 调用量从一个季度的 3500 万次涨到另一个季度的 1.86 亿次。ChatGPT 则把记忆从一段隐性的聊天摘要，改版成一份结构化、可编辑的档案报告。一头是「删除权」塌了，一头是「记忆」成了必争之地。2026 年 AI 应用层最值得盯的一条线，就藏在这个反差里。

记忆从「黑盒摘要」变成了「结构化档案」

先看最直观的那一层：三家消费级助手，几乎在同一时间把记忆从幕后推到了台前，而且方向高度一致，都是把「一段会变质的摘要」改造成「一份能看、能改、能删的档案」。

ChatGPT 的记忆拆成了两层：Saved memories 存显式事实，reference chat history 存对话参照，后台还加了一套被内部称为 Dreaming 的系统，持续重写和更新记忆；新增的 Memory Sources 会把每条记忆的来源指给你看。Claude 走的是条目化路线，记忆存成离散的分类条目，而不是一整段摘要，对话中实时更新，2026 年 8 月底还把 Claude Chat 和云端 Cowork 的记忆统一了。Gemini 则用 Personal context 收你主动告诉它的事实，再靠 Personal Intelligence 往 Gmail、Docs、Drive 里深挖。

三家的共同点是「可移植、可审计」：Claude 最先开放了记忆导入，Gemini 支持 prompt 和 ZIP 聊天记录导入，唯独 ChatGPT 只支持导出、还没给导入工具。这一步看似是产品细节，其实指向同一个判断：记忆正在从模型的内部状态，变成用户名下的、可携带的数字资产。

上图：三家消费级助手的记忆改造，殊途同归地走向「结构化、可编辑、可携带」。

基础设施层的钱和人

消费级只是水面。水面之下，记忆层在 2026 年 10 月迎来了一小波融资潮，而且几乎每一笔都在讲同一个故事：记忆是 agent 能跨会话、跨任务持续干活的底座。

Uvi 拿了 750 万美元，做的是 LLM 和 agent 之间的持久化上下文推理层，接 Slack、Jira、Salesforce 和代码库；Zeroset 拿了 520 万美元 pre-seed，产品 Nebula 定位成企业 agent 记忆的「状态层」，抓 ticket、审批、交接、tool calls 和决策记录；Scuba 以 3400 万美元出隐身，做团队与 agent 的共享上下文引擎；Infino AI 的 750 万美元由 Bessemer 领投。单笔金额都在 500 万到 3400 万美元的种子区间，说明这个赛道还处在早期，钱是在押「记忆会成为 agent 时代的新数据库」。

行业分析机构 Turion 直接把 agent 记忆层命名为 2026 年的「基础设施争夺战」。这个命名本身比任何一家公司的融资数字都更能说明问题：记忆层正在从开源库的零散竞争，升级成一场有 VC 站队、有大厂背书的平台级争夺。

来源图

上图：Turion 报道页题图，2026-10-15，来源：turion.ai，内容为《Agent Memory Infrastructure Battleground 2026》对记忆层厂商格局的分析。

大厂背书最重的一笔，是 AWS 钦点 Mem0。Mem0 成为 AWS 新 agent SDK 的独家记忆提供商，API 调用量从 3500 万涨到 1.86 亿，翻了五倍多。Mem0 本身此前已拿下约 2400 万美元的 Seed 加 A 轮，领投方是 Basis Set Ventures，Peak XV、YC 参投，GitHub 约 4 万星，PyPI 下载 1400 万。它的对手 Letta（原 MemGPT）拿到了 Felicis 领投的 1000 万美元种子、投后估值约 7000 万，走的是「自改进 agent harness」路线，把记忆做进 agent 运行时本身。Zep 则押注时序知识图谱引擎 Graphiti。三家各押一条技术路线，谁也还没说服市场自己是对的。

三条技术路线的分岔

记忆层真正的分歧，集中在记忆到底该存在哪：融资规模和路线声量，都还不是决定项。

第一条是向量检索，把记忆嵌入成向量，按语义相似度召回，这是 Mem0 的底色，也是绝大多数 SQLite 加向量扩展方案的做法。第二条是图索引，把记忆存成实体、关系、观察的三元组，靠时序知识图谱做遍历，Graphiti 是这条路的代表。第三条最激进，干脆不建独立记忆库，靠 context engineering 让模型直接结构化地编排自己的交互历史。

MIT CSAIL 的一篇论文《Harness as a Language》给第三条路提供了弹药。它只用一个 invoke 原语，让模型以变量形式访问自己的 prev_history，结论是：模型自管交互历史，可以超越 Letta 这类专用记忆层。论文里，StuLife 召回任务上 JAZ 跑到 72.6%，压过 Letta 的 70.9%，远召回子集更是 69.9% 对 61.8%；对 ACE 也在 AppWorld 上以 74.2% 对 69.9% 胜出，成本还低一截。最关键的是消融实验：把历史变量拿掉之后，远召回从 69.9% 暴跌到 32.0%。

上图：向量、图、自管历史三条技术路线，各自拿着对自己有利的基准。

但基准本身就是一片混战。有评测显示图索引在 LongMemEval 上跑出 89%，压过向量检索的 76%；而 Mem0 在 MemProbe 这个测「隐藏用户状态恢复」的基准里垫底，只有 41.5%。更狠的是「级联失效」测试：当前提变更后，派生结论应当跟着失效，结果标准查询接口下 Graphiti、Mem0 等基础系统在头条级联过期族上全部 0/29。厂商自报和独立评测的落差也很大：Mem0 自报 LongMemEval 94.4%，独立横评里却落在 49% 到 63.8% 的区间；检索型基准偏向向量库，时间型基准偏向图库，这些分数先看的是「你拿哪把尺子」，绝对好坏反而在其次。每个厂商都能拿出一张对自己有利的成绩单，恰恰说明记忆层缺的是一把公用的尺子，精度反而是次要问题。

标准真空：工具、通信、身份都有协议，记忆没有

三条技术路线再分岔，好歹还在同一张桌子上吵。真正麻烦的是，agent 栈的其它几层都已经沉淀出了跨厂商协议，唯独记忆这一层是真空。

工具调用有 MCP，agent 之间的通信有 A2A，身份与权限有 PAP，这三层各有各的标准。可 state 和 memory 这一层，没有共享协议、没有可移植格式、没有公认基准，Yahoo Tech 直接用「十四家厂商、零标准」做了标题。记忆是 agent 栈里最持久的一层，迁移成本是结构性的，谁都不愿意被锁死，这个真空拖得越久，企业的观望情绪越重。

落到实现上，社区里基于 MCP 的记忆服务，几乎都在做同一件事：把记忆拆成「写入、检索、删除」三个环节暴露出去。写入是 create_entities、remember、ingest_memory 这类工具；检索是语义、模糊、布尔、TF-IDF，或 BM25 加稠密向量的混合召回；删除则是硬删除和软删除两种语义并存。像 Shelby-MCP 用 Rust 加 SQLite 加 FTS5 做了一套 12 个工具的记忆服务，OmniDB 把记忆分成情景、语义、程序三层，再叠一层蒸馏。「三环节」的共识已经浮现，但共识只到「环节」为止，每个环节内部的语义，十四家各写各的。

「真删除」这件事，基本不成立

把镜头拉回开头那个测试，问题比「基准打架」更严重。GDPR 第 17 条写的是「删除权」，要求实际擦除，而不是仅仅从查询结果里藏起来。但 agent 记忆的删除，绝大多数是软删除，字节还留在磁盘上，等 vacuum 或者 compaction 才可能清掉。

测试里，Mem0 常规检索删除后还算干净，可 delete() 之后，history API 仍以 old_memory 逐字把已删的值返回给你，8 次全中；它没有按记录、按用户的 purge，只有全局 reset()；本地 Qdrant 后端的原始 payload 文本，在 vacuum 之前还残留在 segment 文件里。Qdrant 本身也是软删除，约 20% 的段向量被删后才触发 compaction。还有一项叫 Ghost Vectors 的研究更吓人：软删向量可以被逆恢复，恢复出了 25.5% 的精确姓名、46.4% 的地理位置、100% 的年龄性别、99% 的 Top-1 人脸。

上图：记忆的删除环节普遍停在软删除，与 GDPR 要求的「实际擦除」之间隔着一道沟。

这层问题在「记忆走向生产状态」的叙事里被放大了。当记忆承载的是企业客户、审批记录、交接单，删不干净就从体验问题升格成合规问题。腾讯云的 TencentDB-Agent-Memory 已经把记忆做成数据库资产，把对话、文档、代码转成 Chat Memory、Skill、LLM-Wiki、Code-Graph 四类可治理、可跨 agent 复用的记忆，配 Memory Hub 控制台做归属、版本、状态、权限管理。华为诺亚方舟实验室的 MindMemOS 打出「可移植、自进化的记忆操作系统」的旗号，MemOS 2.0 则把记忆从「外挂检索」升级到「记忆原生、可调度、可演化」，已经在银行、证券公司、运营商、媒体一类国央企落地。国内这一批的叙事高度统一：都在用「数据库化」「操作系统化」抢生产基础设施的定位，而这套叙事的隐含前提，恰恰是记忆必须能被治理、被审计、被真正删除。

国内的动作也不止这三家。机器之心报道的 Comma 把长期记忆做进了常驻 agent「大管家」，单会话共享上下文，比 DeepSeek Super-agent 公布的设计早了约半年；千问的 Personal Agent 提「模型×记忆×生态」，用需求驱动的记忆体系做产品；openJiuwen 的 OmniMem-Lens 走「视听双流记忆」，按真实事件切分，召回精度最高 +45.7%、在线问答时延最高降 97%。报道的主力是量子位和机器之心，一个偏多模态与评测，一个偏工程实现，36氪和 CSDN 这一轮反而声音不大。中文社区对记忆层的关注，正在从「向量库选型」转向「记忆怎么治理、怎么删干净」。

谁先解决删除和标准，谁先拿到企业那单

把几条线并在一起看，2026 年 agent 记忆的主线，是「记忆的价值被所有人看见了，记忆的地基却还没打牢」。融资在进来、大厂在站队、消费级在改版，但「14 家厂商零标准」和「删不掉」这两件事，把这条赛道卡在了生产化的门口。

我判断，记忆层下一个主战场会从「谁检索更准」转到「谁扛得住生产」：可审计、可移植、可真正擦除，这三条会成为比 benchmark 分数更硬的企业采购门槛。我预判 12 个月内，会出现一个跨厂商的记忆可移植格式或删除语义的标准提案，因为迁移成本是结构性的，记忆是所有 agent 栈里最持久的那一层，谁都不愿意被锁死。

这里有个更冷一点的观察：AWS 钦点 Mem0，和 MIT 论文质疑专用记忆层，两件事几乎同时发生。前者押「独立记忆层会赢」，后者论证「模型自管历史可能更好」。这种方向性的撕裂，说明记忆层远没到收敛期，现在下注任何一家，都是在赌一个还没定型的基础设施。对做应用的企业来说，稳妥的做法是把记忆当成「可替换的层」来设计，而不是把业务逻辑焊死在某一家厂商上。