# 说个暴论，现在90%的AI Agent记忆，全都是假的。

- 来源：阿绎 AYi (@AYi_AInotes)
- 发布时间：2026-04-26 13:51
- AIHOT 分数：58
- AIHOT 链接：https://aihot.virxact.com/items/cmofdrup605sfslb8r24t3fjx
- 原文链接：https://x.com/AYi_AInotes/status/2048278717793722747

## AI 摘要

作者指出，当前多数AI Agent将历史记录堆砌成Markdown文件充当“记忆”的方案实为将Prompt当RAM用，存在无法去重、衰减、排名及性能低下等根本缺陷。真正的长期记忆应基于图结构，通过节点、嵌入和遍历来建立关联与因果关系，实现记忆的链式提取与动态管理。主流生产级框架已转向图记忆。随着应用规模扩大，仅扩展上下文窗口无法解决记忆漂移和污染问题，动态图记忆架构是Agent能否投入实际应用的关键。

## 正文

说个暴论，现在90%的AI Agent记忆，全都是假的。

我之前也踩过这个坑，把所有历史记录决策日志全堆进Markdown文件里，以为这就是给Agent加了长期记忆，结果用了两周就崩了，

同一个事实有三个互相矛盾的版本，上个月的偏好和昨天的权重一模一样，每次调用都把所有东西一股脑塞进上下文，慢到离谱还经常串台，

直到看到这篇文章才恍然大悟，原来我根本不是在做记忆，只是在把Prompt当RAM用🌚

真正的记忆不是堆文件，应该是图和节点加嵌入加遍历，

Markdown方案有四个根本解决不了的硬伤，没有去重，没有衰减，没有排名，超过一百条记录直接变成性能杀手，

它只能记住你写过什么，永远记不住这件事和那件事有什么关系，
这个决策为什么被否决，上次遇到同样的bug我们是怎么解决的。

向量检索也不行，它只能告诉你这两段话长得像，不能告诉你它们之间的因果关系，

只有图遍历能做到，它能像人脑一样，从一个节点牵出一整条相关的记忆链，
重要的事情越来越清晰，过时的信息自动淡化，矛盾的内容在写入时就被解决。

现在所有生产级的Agent框架，Zep Cognee Mem0，全都是基于图的，

Neo4j已经把图记忆做成了标准的MCP工具，
Claude Code超过二十万行代码之后，纯上下文窗口早就没戏了，

真正能让它像高级工程师一样思考的，
是把不变的规则放在CLAUDE.md里，
把所有演化的状态全部存在图里，动态检索按需拉取。

很多人还在卷一百万两千万的上下文窗口，以为越大越好，

但生产环境里真正致命的，
永远是跨会话的记忆漂移和上下文污染，

内存架构的升级已经不是锦上添花了，能不能把Agent真正用起来才是关键的生死线。

### 引用推文

> AI Edge：http://x.com/i/article/2044531930671288320