新闻、仓库与研究，按时间排列。
ResiliMind 是一个面向研究、波斯语优先的对话式 AI 系统，用 LLM 结合 LangGraph 状态工作流、Pydantic 结构化输出和 NetworkX 知识图谱，对用户消息进行基于证据的心理韧性评估并生成个性化回复。系统采用安全门优先路由，区分 SAFE、SELF_HARM、VIOLENCE、SEVERE_ABUSE 等类别，覆盖六大韧性领域，各韧性维度按 0–25 分评分，并通过 Ollama 支持本地推理，界面基于 Streamlit。项目明确声明为实验性原型，不是医疗设备或临床验证工具。
Genter 是一个面向 AI Agent 的检索解析工具，不缓存文档副本，而是把问题解析到文件和行号并每次重新读取，因此文档被修改后答案自动保持最新。支持 Claude Code、Cursor 等 MCP 客户端接入，无密钥时数据不离开本地。基准方面，DriftBench 上 61 次编辑后 Genter 准确率 77%（89% 的变更事实），一次性索引为 34%，LoCoMo 检索命中率 84.5%，LongMemEval-S 为 96.6%。项目以 Apache-2.0 协议开源，另有连接邮件、GitHub、Slack 等 500 多个应用的 Genter Cloud。
推荐理由：原文给出了 DriftBench 与 LoCoMo 等基准数字和免索引机制的说明，读者可以据此对比这类检索方案与记忆层的差异。
开源工具 recall 发布，读取 Claude Code、Codex 和 Cursor 已存留在本机的聊天记录，提供跨工具会话搜索和每晚自动改写的 markdown 记忆笔记。索引在本地 SQLite 完成，搜索耗时 6–20 ms，无需调用模型；用户可选本地模型、ChatGPT 或 Claude 订阅、API key 或自建服务器生成记忆。在 LongMemEval_S 上，recall 会话检索命中率 98.7%（top five 470 题），端到端配合 Claude Haiku 5.5 达 87.4% 准确率，成本低于 Sonnet 5.5 方案；记忆以纯 markdown 文件存储于 ~/.agents/memory，支持 git 历史与 Obsidian 打开。
推荐理由：项目用公开基准和可复现评测说明跨工具记忆的检索效果与成本取舍，读者可据此评估这类方案的真实收益。
作者发布 Claude Code 插件 haiku-scribe，安装一个只读的 Haiku 驱动子智能体，把仓库调查、日志、转录等大范围阅读压缩成带证据的简报，主模型只对简报推理而不加载原始内容。作者称 Haiku 计费权重远低于 Opus，可节省每周用量上限，无需 API key，以原生 Task-tool 子智能体按席位计费；只读工具、无网络无 shell，并拒绝打开 .env 与密钥文件。关键注意事项是 scout 报告覆盖完整后不要再重读源文件，否则同时消耗 Haiku 和主模型；4 个以上文件或大范围阅读时委派，3 个以内已知文件直接读。
GitHub 项目 Seahorse 提出为冻结大语言模型外挂经验式记忆：在 Qwen2.5-1.5B-Instruct 第 26 层等后置 hook，把经历引起的内部状态偏移存入矩阵 M，用 whitened gist 作键，当当前语境匹配时以 h ← h + α·M·q 回忆，无需训练、不改基座。预注册实验显示约 98% 无关回答不受影响、最小二乘写入使六条记忆各自保留约一半强度，但事实回忆（≤15% 对比上下文 96-98%）、前提注入和写入脚手架仍是失败项，后续已移植到 Qwen3.5-2B 和 9B。
推荐理由：项目用预注册实验诚实报告了哪些成功哪些失败，读者能看到经验式记忆方案的真实边界和下一步方向。
tigerless-labs 在 GitHub 开源 agent-memory，一个面向任意 Agent 的记忆运行时：Markdown 文件作为单一事实源，旁边的 SQLite 索引是可随时删除重建的缓存，Claude Code、Codex CLI、Muse Code 等主机共享同一存储。检索以 L0 路径列表作答、按层级读取而不粘贴文本，写入在对话边界触发蒸馏，睡眠期整理按权限分级且删除只以提案形式出现，库内不内置 LLM 客户端、无需 API key。
推荐理由：作者给记忆系统附上了带统计检验的对比实验和索引可重建测试，读者可以据此评估这类文件式记忆方案的实际效果。
knudge 是一个 Rust CLI（二进制 kd），为 AI 智能体提供按项目的持久记忆：以 Markdown 笔记为唯一事实源，索引可重建，支持 BM25 + 锚点 + 可选 embeddings 的混合检索（RRF 融合），无需服务器、数据库或后台进程。配套 knudge-mcp 通过 JSON-RPC 2.0 over stdio 暴露 4 个记忆触发器，支持 kd self setup 配置 claude、cursor、codex 等。工作流为 ask → write → task → sync，写入时按相似度分数去重（<0.75 新建，0.75–0.92 合并，≥0.92 拒绝）。
推荐理由：原文完整给出了按项目记忆系统的架构、检索机制和 MCP 集成方式，读者可以了解一套可本地审计的 Agent 记忆方案怎么做。
MacilyDots 发布 DSH 插件 dsh-session-inherit，可在会话行菜单把跑了很久的会话交接给干净新会话：机械提取任务原文、最近用户指令、文件路径、命令、待办等具体锚点生成交接单，作为新会话第一条消息，全程不发模型调用。作者实测 /compact 把 541,227 token 压到 25,602 后 4 步内退化复发，官方分叉则连退化诱因一起带走，而本插件新会话上下文仅几千字符起步；已在 DSH 0.2.0-rc.2（Windows）验证通过，安装需改 profile 的 package. 并加入 bundles，仓库地址 https://github.com/MacilyDots/dsh-session-inherit。
推荐理由：原文给出与 /compact 和分叉的实测对比及交接单结构，读者可以评估这种零模型调用的会话交接思路是否可迁移。
开源工具 context-bridge 是一个本地优先的通用记忆层，可自动捕获 Claude Code、Codex、OpenCode、Hermes、Aider 等任意编码智能体的会话，将决策、模式与经验索引进本地 SQLite 数据库，并在新会话时检索注入相关上下文。它无需云端、API key，无供应商锁定，采用 MIT 许可，目前尚未上架 PyPI，需通过 GitHub 安装。
一位开发者发布了名为 Memory Journal 的便携记忆格式，以 .txt 技能卡片形式包装大型提示词，可在 AI 之间迁移上下文、技能、错误以及已验证或未验证的事实。测试中 DeepSeek 4.1（deep think 模式）和 Claude Sonnet 5（high effort）仅凭 journal 就在首次尝试中复现了 EGO engine XML 文件转换器。该格式分为 A/B/C 三个部分，供用户自定义指令，但哲学化内容可能导致行为与词汇漂移。
neogeweb3 发布了 Claude Code 插件 claude-handoff，上下文用量到 60%/80% 时提醒，执行 /handoff 生成 HANDOFF.md 归档并以它为摘要压缩一次后继续会话。交接包含任务、阻塞、死路、决策及理由、状态与改动文件，最后 5 条消息逐字保留，恢复时按 I-PASS 流程复述 5 个要点。作者在同一会话同一截点用事先写好的 33 项清单打分，handoff 得 49/48，/compact 得 39/38。插件支持 2.1.287 以上版本的就地恢复，旧版需 /clear 后手动继续，可经 marketplace 安装。
推荐理由：作者用33项清单对比了handoff与/compact在同一截点的表现，读者可据此判断这种结构化交接是否值得装进自己的Claude Code。
论文提出 T²Mem，一种将记忆构建推迟到推理阶段的测试时记忆构建框架，离线只提取轻量级片段元数据作为检索线索，并在推理时随推理进程自适应组织查询相关记忆。在 LoCoMo 和 LongMemEval 上，T²Mem 跨多个骨干 LLM 持续优于强基线，同时大幅降低记忆构建开销。代码已开源。
推荐理由：论文把记忆构建推迟到推理阶段，在 LoCoMo 和 LongMemEval 上的对比数据可帮助读者评估这一思路的收益与开销。
Fajar Hidayat 发布开源工具 OMNI（0.7.10），把 Agent 已见过的输出折叠成带句柄的标记，用 omni retrieve <hash> 可完整取回，文件二次读取不再重复计费，另过滤构建日志、进度条等噪音并跨会话记忆项目上下文。在 9,478 条真实命令执行的语料上合计节省 2.4%（0.8% 来自过滤器，ledger 捕获了可重复部分的 10.3%），命令开销约 21 ms；原始输出存本地 SQLite RewindStore，非零退出命令原样透传，JSON/YAML/CSV 不做改写。对比 arm 中 OMNI 自家过滤器是最弱一档，rtk 或 caveman 叠加其 ledger 反而更高，作者建议读者在自有历史数据上跑测试。
推荐理由：README 把节省数据冻结成可复现语料并附竞品对照，读者可以直接核对重复输出压缩在不同负载下的真实差异。
Statewave 是一个开源记忆运行时，当前版本 v1.5.0，通过 ingest→compile→retrieve→govern 流程为 AI Agent 提供结构化、带溯源标签且可字节级复现的上下文包，区别于查询时检索的采样噪声。它基于 Postgres + pgvector 自托管，Apache-2.0 协议，支持任意 LiteLLM 提供商（100+），提供 Python 与 TypeScript SDK，并已发布 GitHub、Slack、Notion、Zendesk、Gmail 等连接器以及 LangChain、CrewAI、AutoGen 集成示例。仓库同时列出了当前限制，如多租户尚无 Postgres RLS、无内置认证签发、速率限制仅按 IP 等。
推荐理由：原文完整给出了记忆编译、溯源、回执签名等架构细节与自部署方式，读者可评估这套确定性上下文方案是否适合自己的 Agent 记忆需求。
Kiomon 发布 Python SDK 0.1.0，为 AI Agent 和应用提供持久记忆，支持检索优先的上下文包（含溯源、冲突与警告）、混合搜索、记忆图遍历和结果回报。同步与异步客户端共享请求规划核心，零运行时依赖（仅标准库）、全程类型标注、支持 Python 3.10+；写入经自主门控，不确定的学习进入 Review Inbox。注意该包尚未发布到 PyPI，目前需从源码安装。
MatrixOrigin 发布 Memoria，一个为 AI 智能体提供 Git 级版本控制的持久记忆层，支持快照、分支、合并和时间点回滚，底层由 MatrixOne 的 Copy-on-Write 引擎驱动。它提供向量加全文混合语义检索、矛盾自动检测与低置信记忆隔离、本地 embedding 隐私选项，可经 MCP 接入任意兼容智能体，也提供 Memoria Cloud 与 Docker 自托管两种方式；其 Git-for-Data 基础来自 arXiv 论文 Version Control System for Data with MatrixOne（arXiv:2604.03927）。
Geniffy 在 GitHub 发布 geniffy-mcp，一个托管远程 MCP 服务器（Streamable HTTP），让 Claude、ChatGPT、Cursor、VS Code、Codex 等支持 MCP 的应用共享同一份记忆，每个事实附带原文出处和日期。内置 OAuth 2.1 登录（含 RFC 7591 动态注册、PKCE S256、每小时访问令牌与轮换刷新令牌），提供 briefing、search、fetch、remember、forget 等九个工具，用户可逐应用授权读写权限、随时断开并下载或删除全部数据；无浏览器场景可用 API key 请求头接入，开发者也可通过 Python 或 npm 包 geniffy 为自建应用接入。
推荐理由：仓库给出了接入 Claude、ChatGPT、Cursor 等应用的完整配置和各工具的输入输出约定，读者可以直接照着把跨应用记忆接进自己的工作流。
Geniffy/examples 是一组给应用添加记忆功能的独立小程序，涵盖 Python 和 JavaScript 两种实现，包括 quickstart、按客户记忆的支持机器人、带记忆的终端聊天、按 id 同步记录、文件夹同步、用户密钥、标签及用户数据删除共 9 个示例。运行需在 Geniffy 应用中创建 API key 并设置 GENIFFY_API_KEY，聊天示例还需 ANTHROPIC_API_KEY，默认使用 claude-opus-5-5。所有示例遵循「每用户一个空间、添加记忆、在模型回答前召回上下文」的三步模式。
Lemuelendoscopic797 在 GitHub 发布 vecmem，一个索引本地 .md 笔记并提供语义搜索的 MCP 服务器工具。它按标题分块并生成嵌入向量，存入本地 SQLite，采用 BM25 加余弦相似度的混合检索，搜索约 100ms；通过 .mcp. 可接入 Claude CLI、Cursor、VS Code Copilot、Windsurf 等 MCP 客户端。全程本地运行，无需 API key，仅首次需下载 23MB 搜索模型，仅支持 markdown 文件，英语语义搜索效果最好，其他语言主要靠关键词搜索。
推荐理由：原文讲清了 vecmem 的混合检索架构与本地运行方式，读者可以据此评估能否把散落的 markdown 笔记接入 AI 助手当记忆用。
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。
amajorai 在 GitHub 发布 layer0，一个用 Rust 编写、可完全自托管的混合 RAG 与 AI Agent 长期记忆工具，单二进制加每库一个 SQLite 文件即可离线运行。它用 sqlite-vec 向量检索加 BM25 与知识图谱做 RRF 融合再重排，默认本地 gemma 模型，也可换 Claude 等 OpenAI 兼容后端；提供 CLI、HTTP API 和 MCP 服务器，并附带 layer0-setup 与 layer0-memory 两个技能供 Agent 安装使用。
推荐理由：原文完整给出了混合 RAG 与长期记忆的架构、配置和限制参数，想要自托管 Agent 记忆方案的开发者可以直接对照复现。
开源项目 llm-memctl 以荣誉学位论文形式研究三种记忆管理方式（无控制器基线、JEV、RL 策略）对智能体长任务表现的影响，框架已在合成任务上构建并验证，结果于 2026-10-05 从干净提交复现。已用 qwen2.5:3b（Ollama 本地 GPU）和 Qwen2.5-7B-Instruct（vLLM + RunPod）完成 LLM 任务模型评测，JEV 实验因缺少 API key 仍被阻塞。
Stxyu-p 在 GitHub 发布 MemCore，为多智能体工作流提供受治理的持久记忆。原始对话与工具调用进入只追加日志、绝不直接注入提示词，只有带 scope、lifecycle、verification、freshness 四类标签的规范记忆可被召回。核心由 100% Python 标准库加 SQLite 实现，含 FTS5 BM25 与向量嵌入经 RRF 融合的混合检索、墓碑防复活机制、双时态不可变版本历史，支持通过 export 命令将记忆写入 AGENTS.md、CLAUDE.md 等 Agent 指令文件，并提供 Python SDK 与 Hermes 集成，504 项测试通过。
推荐理由：原文详细给出了多智能体记忆的双轨信任架构与生命周期标签设计，读者可以借鉴其隔离原始日志与可召回记忆的做法。
Lampost-123 在 GitHub 发布 AI Write，一款免费的 Windows 10/11 64 位长篇 AI 写作应用。它为每个故事维护角色、地点、规则和情节线索的记忆，在每次生成前注入当前场景所需内容，场景完成后自动更新记忆且每次改动可撤销；写作时实时检查拼写、事实矛盾和角色不应知晓的信息。支持 OpenRouter、DeepSeek 或本地 LM Studio/Ollama 模型，朗读与听写语音本地运行，故事数据保存在本地 Documents 文件夹，应用无账号无追踪，朗读语音需 NVIDIA RTX 20 系及以上 8 GB 显存。
推荐理由：这款写作工具把故事记忆和一致性检查做进本地应用，展示了长篇创作里维持角色与情节连续性的一种可落地做法。
betyourluck 在 GitHub 开源 Lorekeel，一款 TRPG 游戏主持人工具，用云 LLM 做叙述、确定性 Rust 引擎作为游戏状态的唯一真相来源，解决 AI Dungeon 式 LLM GM 的遗忘与矛盾问题。LLM 只提交 StateDelta 提案，引擎用纯函数裁决，非法操作整包拒绝并重新生成，因此廉价、免费或本地模型也能维持一致的游戏。
推荐理由：这个 TRPG 工具把游戏状态从 LLM 手里移交给确定性 Rust 引擎，思路对解决 AI 跑团遗忘与矛盾问题有直接参考价值。
Opita-Code 开源了 Dark Memory MCP，一个基于 MCP 协议的 AI 智能体持久化记忆工具，让 Claude、Cursor 等智能体跨会话记住项目决策与任务，并提供 vibe-loop 机制自动校验交付是否符合需求。当前版本 v4-alpha.30，提供 73 个工具（20 个命名空间，另有 3 个 env 门控工具），采用 MIT 许可；Postgres 存储路径的 58 个方法尚未实现，仅 SQLite 经生产验证。
GitHub 项目 Lens 发布，一行命令即可安装，把录音、文档、邮件、日历、聊天和 webhook 等数据流转成带引用的知识图谱，供智能体通过 MCP server（25 个工具）、REST API 和 OAuth 访问。所有答案标注来源精确到录音秒数或文档行号，可跑在 Raspberry Pi 到云端的自有硬件上，内置每 namespace 加密、passkey 登录和模型调用成本账本，采用 MIT 许可证。
推荐理由：Lens 把多种实时数据流汇成带引用来源的知识图谱供智能体调用，架构、部署方式和成本账本都写得具体，可作私有智能体基础设施的参考。
retospect 在 GitHub 发布 precis-mcp，一个给语言模型智能体提供统一读写搜索 API 的 Model Context Protocol 服务器，设计目标是 7B 级小模型智能体。它用 PostgreSQL 加 pgvector 存储内容，覆盖论文、文档、个人状态、代码等三类内容，全部通过 get/search/put/edit/delete/tag/link/more 八个动词加 kind= 参数操作，支持 tsvector 加语义向量的混合检索，并提供单机与 ansible 集群部署方案及 Web 界面，采用 GPL-3.0-or-later 许可证。
zecalis 发布 fael，一个存放在 .git/fael/ 的 JSONL 工作账本，让同一仓库里的多个 Agent 和人交接决策、需求、issue 和 claim。Agent 在同一条消息里用 fael add 写入记录，不占额外回合；打开文件时只附上该文件相关的行，按上下文窗口去重并默认 800 token 预算截断。支持 fael claim 认领、--to 按 git user.name 或 agent 名派发、--revisit 定期回访、fael stats 统计交接命中数，经 fael sync 通过自有 git remote 同步，无需服务器或账号。
推荐理由：原文给出 fael 的行级工作账本机制与 token 预算、hook 耗时等具体设计，可按 fael stats 在自己仓库验证交接效果。
Nielsen Norman Group 基于 Claude 重度用户研究，将智能体上下文分为全局、局部、环境三种角色。全局是跨会话的稳定信息（用户偏好、最佳实践、治理规则），局部是特定任务的待办清单、技能文件等，环境是未经整理的邮件、会议转录等原始流，多经 MCP 连接接入。上下文库完善后，用户用很随意的提示词也能让智能体正确执行任务。