智能体记忆工具激增，研究者发现大模型不会主动识别结构

这篇论文名为StructMemEval，最后一次修订是在10月1日。Alina Shutova、Alexandra Olenina、Ivan Vinogradov和Anton Sinitsin于2月11日首次把它发布到arXiv。论文检验的是：智能体能否把长期记忆组织成人们日常使用的结构，比如交易流水、待办清单和树状目录。

结论范围很窄，但对厂商来说颇为尴尬。简单的检索增强型大模型在这些任务上表现吃力。记忆智能体能够稳定解决，但前提是有人告诉它们如何安排所存的内容。不加提示，当前模型并不总能识别出结构。

这对本季度购买智能体产品的人有直接影响。下面这些工具的宣传口径都是：记忆更好，回答就更好。这项基准测试表明，收益取决于脚手架，而不只取决于模型规模。它也暗示了演示与部署之间的差距。同一个智能体，可能显得井井有条，也可能显得健忘，差别只在于一句没人写下来的提示。

代码库、规范和剪枝层同时到来

Vectorize发布了Hindsight，这是一个开源记忆系统，公司称其目标是学习而非回忆。该代码库声称在LongMemEval（一个对话记忆基准）上取得了当前最佳结果。它表示弗吉尼亚理工Sanghani中心的研究人员和《华盛顿邮报》复现了这些数字。README指出，其他厂商在该对比中的分数是自行上报的。

另一个名为Agent Memory Repo的项目发布了一份规范，把智能体记忆存放在它自己的git仓库里，链接来自cognition.com。记忆就是文件和文件夹，像维基一样互相链接。作者称为Dreaming的周期性流程会添加新条目并合并重复项。该规范涵盖个人记忆、共享团队记忆，以及多个智能体向同一仓库推送的情况，这时git会标记出冲突的编辑。

两个项目都没有公布生产负载下的独立成本或延迟数据。

还有一位开发者发布了OntoPrune，这是一个中间件，在源代码到达模型之前对其进行裁剪。其README报告在模块化项目上输入token减少了60%。它还报告，在AMD Ryzen CPU上运行的本地70亿参数编程模型上，首个token时间快了6.7倍。在24次沙箱运行中，它报告单元测试通过率为100%。这些都是作者自己的测量结果，运行在三种软件原型上。

OntoPrune声称，由于只向模型暴露带类型的依赖契约，它能阻止100%的专有代码泄露。这一说法来自项目的README，而非第三方。

另一个开源工具Spill则从另一端解决同样的问题。它会拦截大于32 KiB的MCP工具响应，把它们存入本地DuckDB表，并交给智能体一个紧凑的描述符加SQL。该项目表示，32 KiB以下的载荷会原样通过。它表示查询以只读方式运行，外部访问被禁用，结果上限为500行。它支持Cursor、Codex和Claude Code。

上下文裁剪为何正在成为一个产品品类

共同点在于，无论上下文窗口多大，它都被当作一种预算，而不是免费资源。Spill的门槛是一个硬数字：32 KiB。OntoPrune的卖点是一个百分比：输入token大约减少60%。两者都把一项工程约束变成了可以交付的工具。

对买家来说，这意味着记忆层正在变成一项采购决策，而且格式互不兼容。Hindsight把自己定位为带有自家模型的系统。Agent Memory Repo把纯文件存在git里。Spill把数据保存在本地数据库文件~/.spill/spill.duckdb中。如何在它们之间迁移，公开资料里没有任何描述。

那篇基准论文还就测量方式提出了警告。它认为，多数长期记忆基准关注的是简单事实留存、多跳回忆和时间变化。简单的检索增强型大模型已经能处理这些。StructMemEval要测的是更难打分的东西：智能体是否为它所记住的内容选择了正确的形状。

这四个项目都没有公布在同一批任务上的正面对比。

底层的硬件正在变贵

在芯片层面，记忆同样是约束。The Next Platform在10月2日报道，美光截至9月3日的2026财年实现季度营收5423000万美元，同比增长4.8倍，净利润377亿。其DRAM业务增长4.4倍，达到3977000万。

这样的价格环境决定了软件团队能负担什么。The Next Platform的解读是，存储厂商有意不急于扩产，因为短缺能让价格维持高位。如果这一点成立，那么从上下文窗口里挤出token就不再是优化，而是一项开支条目。

Tech Funding News在10月2日报道，旧金山芯片初创公司Volantis在Lachy Groom和Abstract Ventures共同领投的A轮融资中筹集了8800万。它正在设计一层光子记忆。公司称该层将支持超过20万亿参数的模型，每个用户每秒最高1万token，首批集成推理引擎预计2027年推出。这些是目标，不是实测结果。

这家初创公司的论点是：片上SRAM有带宽但容量很小。高带宽内存有容量，但受带宽、成本和功耗限制。Volantis称其光学互连把记忆池化，让容量和带宽一起增长。它的目标是把链路做到每比特低于1皮焦耳。

作为对比，Tech Funding News指出，Lightmatter以44亿估值融资4亿，Ayar Labs以38亿估值融资5亿，两者都做光学互连。

仍未确定的事

本周的发布贯穿了两个假设。第一，智能体会持续运行足够久，从而需要持久记忆。Agent Memory Repo的规范在描述多个智能体写入同一存储时，就假定了这一点。第二，记忆本身是可信的，这正是CPython讨论相关的地方。

在Python Insider博客报道的Python语言峰会上，Hood Chatham介绍了在初始化后对解释器内存做快照，以跳过重复的启动工作。在Pyodide中，测试从快照运行一个hello world程序大约快了四倍，0.353秒对1.406秒。问题在于Python在启动时随机化的哈希盐，用来阻止拒绝服务攻击。一旦恢复快照，这种随机性就固定下来。

Chatham提出一个显式的初始化阶段，可以重新运行以重新引入随机性。会议没有记录任何决定。

这个类比并不完全贴切，但问题的形状是一样的。持久存在的记忆，也是能持久保存一个错误、一个过时的偏好或一个泄露值的记忆。Hindsight、Agent Memory Repo、Spill和OntoPrune都提供了存储和裁剪上下文的方法。它们都没有提供公开的方法，用来审计智能体选择保留了什么。