按兴趣浏览，循来源深入。
kgaidev/kgai 在 GitHub 开源，定位为 AI 编程工作流中的共享决策记忆：AI 在改代码时自动把结构性决策记录为知识图谱，包括变更、原因和被否决的方案，改动前 AI 会先查已有决策。决策是不可变的内容寻址事件，并行写入不产生文本合并冲突，语义冲突以分支形式呈现并保留解决记录；官方称 100 万条决策、30 个写入者分片下查询约 100ms。支持 Claude Code 插件、Codex CLI（需 ≥ 0.150）和 Gemini CLI，团队同步为 opt-in，使用用户自己的 S3 桶（git 远端为实验性），另有 VS Code/Cursor/Windsurf 扩展和实验性 kgai-mod 插件，MIT 许可，本地优先，代码不出本机。
推荐理由：这个共享决策记忆在 100 万条决策、30 个写入者分片下查询仍约 100ms，且团队同步以自家 S3 为 opt-in，可作长期记忆落地方案参考。
hsuanshao 在 GitHub 发布 AgentMemory，一个用 Rust 编写的智能体记忆核心服务 memory-core，配 TypeScript 监控面板，采用 L0→L3 分层记忆、异步蒸馏管线和 BM25+向量+RRF 混合召回。存储默认用 SQLite+本地文件，也可选 PostgreSQL(pgvector)，LLM 与嵌入支持任意 OpenAI 兼容端点或 Claude Code、Codex、Antigravity 等本地 CLI，不依赖任何云厂商专有服务，提供团队/智能体/用户隔离与 v3 RPC API，MIT 协议，分层记忆与 Skill 设计参考了腾讯 TencentDB Agent Memory 的思路。
推荐理由：README 详述了 L0 到 L3 分层记忆的蒸馏与混合召回机制，以及 SQLite/Postgres 两种后端的取舍，便于评估是否自部署。
Ronit Gupta 开源了 agent-memgc，一个纯 Rust 编写的静态分析 CLI，用于审计、修复和压缩 AGENTS.md、CLAUDE.md、.cursorrules 等 agent 指令文件，处理耗时小于 15ms。它检测死文件路径引用、语义矛盾规则、破坏 KV-cache 前缀命中的易变内容置顶和重复指令，宣称平均减少 35%-55% 的指令 token 膨胀；提供 cargo install 安装、MCP server 集成 Claude Desktop 和 Cursor，附 6 项通过的测试。
推荐理由：作者把 agent 指令文件当作可静态分析的代码来治理，给出了死路径、矛盾规则、KV-cache 布局等具体检测规则和实测 token 节省比例。
pietrogconte 在 GitHub 发布 llm-wiki-template，一个由 Claude Code、Codex 等 LLM Agent 维护的 markdown 持久化知识库模板，替代每次提问都重新检索合成的 RAG 流程。Agent 在每份新来源进入时读取、提取并整合进既有 wiki，更新项目、概念与实体页面并指出矛盾；仓库含 CLAUDE.md/AGENTS.md schema、目录结构、仅用标准库的 lint 脚本（E1-E6 检查加 W1 警告）、可选 pre-commit hook 与 CI、Obsidian 预设，以及 example 和 example-en 两个含虚构完整 wiki 的示例分支。
推荐理由：这个模板把知识编译成由 Agent 维护的 markdown wiki，替代每次提问都重建的 RAG，并附带 lint 与示例可直接套用。
B3dmar 发布 3ngram，一个 MCP 优先、可自托管的 AI 智能体持久化记忆后端，支持 Claude、ChatGPT、Cursor 等客户端跨会话存取。记忆按决策、承诺、阻塞、事实等类型区分生命周期，写入采用 append-and-supersede 不破坏旧数据，事实带双时间轴；存储用 Postgres 加 pgvector，Apache-2.0 协议开放 MCP 服务器、REST API、SDK 和 CLI，检索基准在 CI 中作为合并门槛，recall@5 下限 0.9773、弃答精度 1.0000。
推荐理由：README 给出类型化记忆模型、双时间轴事实与可复现基准下限，自托管和托管两条路线都写清了部署步骤。