推文

@kafkaup · 2026-10-16 16:57

这是我最近看到把 agent 记忆做得最省的一个方案：整套集成就是 426 个 token 的提示词，加一个无依赖的 Python 单文件。 OptMem 的定位很明确——让记忆活得比会话更久。原话是它能熬过每一次 compaction、每一次换模型和换厂商，而没有它，agent 不知道自己是谁，也不知道什么已经决定过、试过。 ▸ 装：跑一行 curl 脚本，它会打印一个 Memory 段，粘到 AGENTS.md 或 CLAUDE.md 顶部就完事，再跑一次就是更新。 ▸ 记：memo note 写一条，一行、上限 280 字节。memo wake 是每个 session 的第一个命令。 ▸ 找：memo recall 对全部记忆做逐词搜索；记忆同时组成一棵二分树，#0-1、#2-3 这样的摘要节点可以用 memo zoom 展开到原始条目。 ▸ 存：LOG.txt 只追加、永不改写，TREE 目录里的摘要只是缓存，随时能从日志重建；摘要坏了用 memo forget 丢掉，下次 nap 会重算。 ▸ 快：记录定长，位置即身份，每次查找一次 seek。百万条记忆占 608MB，wake 仍是 0.03 秒。 ▸ 挪：设 MEMORY_DIR 就能把 memory 目录放进同步盘或 git 仓库。 设计上有两点我觉得值得留意：没有任何后台进程，压缩合并是跟在 note 的输出里一条条送过来的，由 agent 顺手做掉；以及它明确要求 subagent 不要碰 memo，因为子代理判断不了什么已经记过，写进去就是重复。 适合已经在长期用一个 coding agent、受够了每次开窗重新交代背景的人。不适合想要开箱即用图形界面的——它全部交互都在命令行和提示词里，且依赖模型老实执行那几条 mandatory 指令。 今日 +85 star · Python · 总计 2,113 #AIAgents #ClaudeCode https://github.com/VictorTaelin/OptMem

曝光 52 · 评论 1 · 点赞 2 · 书签 0