Memoryfields：作为可移植文件格式的代理记忆

代理记忆应被视为一种可移植的数据格式，而非多阶段处理流程。Memoryfields 提案认为，现有的代理记忆系统——无论是专有的平台锁定框架、过于复杂的数据库架构，还是僵化的知识图谱——之所以失败，是因为它们将记忆视为一个过程，而非数据。通过将记忆表示为一系列 Markdown 文件（可选地搭配 SQLite 向量索引），代理能够以显著更低的延迟和更高的灵活性来维护和检索信息。

现有记忆系统的失败

传统的代理记忆系统通常分为三类，每类都有其独特的缺陷：

专有框架： 这些系统通常从对话历史中挖掘信息，过度关注用户特定数据，而非通用世界知识，并将用户锁定在特定的提供商平台上。
复杂架构： 一些系统依赖于 pgvector、Neo4j 图数据库和专用 LLM 的组合，仅为了判断哪些内容值得记忆。这种复杂性带来了管理开销，且常常让模型感到困惑。
高现代主义知识图谱： 这些系统剥离信息的上下文，以创建提炼后的事实或逻辑命题。这种方法使信息与上下文隔离，导致对代理和用户而言都失去了意义。

Memoryfield 规范

Memoryfield 是一种可移植的记忆文件格式，通常以 .zip 文件归档，包含：

Markdown 页面： 记忆的主要存储形式，以散文体书写。
YAML 前置元数据： 每个页面的可选元数据（标题、创建时间、更新时间、UUID 和摘要）。
SQLite 向量索引： 可选的语义搜索索引，使代理能够直接跳转到相关内容。

设计决策 1：散文优于分块

与传统 RAG（检索增强生成）中复杂的分块与重排序流程不同，Memoryfields 采用散文形式。由于代理本身负责撰写记忆，它可以直接使用 Markdown——这是它已优化的格式。

为确保与向量嵌入的兼容性，每页设置约 8KB（~2,000 个 token）的软上限。这一限制鼓励创建多个聚焦页面，而非单一大文档，这对代理和检索器而言都是有益的约束。

设计决策 2：语义跳跃 vs. 图遍历

知识图谱（如 Karpathy 维基）要求代理串行遍历链接，导致“N+1 工具调用问题”。如果相关信息位于 N 层深度，代理必须进行 N+1 次串行工具调用，每次增加数秒延迟。此外，若页面标题或链接文本未完美优化，代理往往难以找到信息。

Memoryfields 用语义搜索替代图遍历。这使代理能够根据内容直接跳转到所有相关页面，并并行读取。该过程最多只需两次工具调用：一次用于搜索，一次用于读取。

设计决策 3：模型扩展的低机制

通过使用简单的文件格式而非复杂 API，Memoryfields 使代理能够利用其固有优势——如 Bash、Markdown 和 SQLite 的熟练操作——自行发明访问模式。这种“低机制”方法确保系统能随着模型前沿的发展而扩展；随着模型能力提升，它们可以更智能地管理记忆，而不会被固定 API 所限制。

设计决策 4：传输无关性

为避免锁定，该格式是开放且传输无关的。虽然标准归档格式是 ZIP 文件，但规范允许通过本地文件、Amazon S3、GitHub 或 HTTP 服务记忆。这确保用户积累的知识可在不同代理和模型间自由迁移和互换。

实现与技术约束

对于嵌入模型，规范建议使用 nomic-embed-text-v1.5。该模型在体积（270MB）与性能之间取得良好平衡，可在非 GPU 硬件上运行，同时仍是广泛推荐的默认选择。

安全考虑

由于记忆会直接注入上下文窗口，因此容易受到提示注入攻击。作者强调，用户不应与不可信方共享上下文窗口或 memoryfields。使用静态 ZIP 文件格式，用户可通过 sha256sum 手动审查和固定 memoryfields 以确保安全。

社区观点与反驳

技术用户之间的讨论突显了基于文件的记忆系统中的若干关键考量：

“污染”问题： 一些用户认为，记忆中哪怕一行“污染”或错误文本，也可能对所有下游输出产生负面影响。一位用户建议，简单目录文档比正式记忆系统更优，以避免噪声和漂移。
与 RAG 的比较： 虽然有人认为这“不过是 RAG”，但另一些人指出，关键区别在于代理是记忆的作者，从而构建了一个既优化写作也优化阅读的系统。
外部化鸿沟： 一种哲学批判认为，将数据库附加到 Transformer 上只是“权宜之计”。其论点是，真正的记忆应整合进模型的训练或架构中，而非作为外部支架。
维护负担： 批评者指出，语义搜索并不能解决“遗忘”或更新过时信息的问题。如果某条记忆被证明是错误的，它仍可能在未来的搜索中语义相关，从而导致代理沿用过时路径。

"无关内容根本不会被语义搜索呈现……这相当乐观。有很多‘记忆’或与代理的过往对话应被抑制和遗忘，因为它们最初方向错误，或后来被证明是错误的。"

数据优先工作流的总结

撰写： 代理将记忆写成 Markdown 文件。
嵌入： 文件被嵌入，向量保存至 SQLite 数据库。
检索： 代理使用语义搜索并行查找并读取相关记忆。