YourMemory：一个会主动遗忘的 MCP 记忆服务
YourMemory 今天在 Product Hunt 上线。一个 MCP 服务。卖点反直觉。它是被设计来"遗忘"的。作者把保留曲线直接搬了艾宾浩斯遗忘曲线过来，每段 agent 记忆如果不被强化，就衰减，只有当它图关系里所有关联都低于修剪阈值，它才真死。说的数字是这样。在 LoCoMo 上 84% 的 token 节省，52% 的召回率，大概是目前大多数商用 agent 记忆服务的两倍。
现在市面上的 agent 记忆栈，大多数假设是"记忆永久，向量检索事后决定相关性"。每个认真做 agent 的人最后都会撞上 context rot，原因就在这。模型花 token 去读一堆看起来相关实际没用的东西，因为向量相似度不知道任务真正需要什么。YourMemory 反过来做。对遗忘更激进。维护一张图记录哪段记忆和哪段有关。用重要性分数降低关键架构决策的衰减速度。其他全删。
实现选择也靠谱。本地优先，用 DuckDB 当存储，没有向量数据库厂商绑定，数据不出机器。MCP 原生，Claude Code、Codex、Cursor 这些说 MCP 的 agent 直接能用，不需要包一层。v1.3.0 的图引擎不只做关键词匹配，能识别跨概念的架构关联。开源免费。
更深的点。agent 记忆正在变成这个领域继推理之后最难的研究问题，因为每个记忆系统都得赌 agent 下一步想要什么。YourMemory 赌"生物式衰减"。Mem0 赌"结构化画像"。Zep 赌"时序图"。如果你在做一个跑超过一周对话的 agent，这三个都值得试一遍。从那个主动遗忘的开始试。
仓库 https://github.com/sachitrafa/YourMemory
← 返回所有文章
现在市面上的 agent 记忆栈，大多数假设是"记忆永久，向量检索事后决定相关性"。每个认真做 agent 的人最后都会撞上 context rot，原因就在这。模型花 token 去读一堆看起来相关实际没用的东西，因为向量相似度不知道任务真正需要什么。YourMemory 反过来做。对遗忘更激进。维护一张图记录哪段记忆和哪段有关。用重要性分数降低关键架构决策的衰减速度。其他全删。
实现选择也靠谱。本地优先，用 DuckDB 当存储，没有向量数据库厂商绑定，数据不出机器。MCP 原生，Claude Code、Codex、Cursor 这些说 MCP 的 agent 直接能用，不需要包一层。v1.3.0 的图引擎不只做关键词匹配，能识别跨概念的架构关联。开源免费。
更深的点。agent 记忆正在变成这个领域继推理之后最难的研究问题，因为每个记忆系统都得赌 agent 下一步想要什么。YourMemory 赌"生物式衰减"。Mem0 赌"结构化画像"。Zep 赌"时序图"。如果你在做一个跑超过一周对话的 agent，这三个都值得试一遍。从那个主动遗忘的开始试。
仓库 https://github.com/sachitrafa/YourMemory
评论