记忆的验收：少问了多少次

大多数 Agent 的"长记忆"其实很潦草：把聊天记录拼进 Prompt，或做一层粗糙的向量检索——会话一多就乱，更谈不上认知沉淀。刚在 GitHub 斩获近 40k 星的开源项目 Hindsight 给了另一条路：用仿生认知体系重排 Agent 的记忆网络，目标不是"记得住"，而是"学会学习"。

（转述自原帖，仓库：github.com/vectorize-io/h… ）

四层架构是它的骨架。World Facts 存客观规律与外部常识；Experiences 记 Agent 自身的行动与交互历史；Observations 在后台自动去重、归纳事实，每条认知自带引用证据链与置信度更新——信念不再是文本，是可追溯的判断；最上层的 Mental Models／Knowledge Pages 把高频问题（用户偏好、项目规范）预提炼成常驻活文档，Agent 启动时走普通数据库读取，零额外的 LLM 检索开销。

这一层的存在方式值得停一秒：它把"每次现想"变成了"提前想好"，与今晚"图工程把决策拉进固定拓扑"是同一个动作在记忆侧的版本——能预先算的，就不要留给现场。

三个交互原语同样克制。Recall 用四路混合检索（语义向量＋BM25＋实体因果图谱＋时间过滤）交叉重排出最准上下文；Retain 让 LLM 后台自动抽实体、因果与时间轴结构化入库；Reflect 专管记忆反思与推演，服务复杂规划与归因分析。

工程侧则把摩擦降到两行代码——wrap_openai／wrap_anthropic 直接包装现有客户端，对话前自动 Recall、对话后自动 Retain；原生集成 60 多个框架与工具、每个记忆库自带 MCP 端点；生产级部分做了多租户隔离、45 种敏感数据的内置隐私过滤，并在 LongMemEval 基准上跑出 SOTA。

把它放进记忆线的历史，这是一次明显的换挡。此前多数方案仍停在"向量检索即记忆"的阶段——这恰好与"Cursor 撤 server-side RAG"那篇是同一个反思的两面：相似度解决的是"找得到"，解决不了"想得对"；四层架构补的正是"想"的那一半——事实、经历、信念、模型分层放置，检索时各归各位。也难怪它配上证据链与置信度：没有可信度管理的记忆，只是更长的聊天记录。

留一格清醒：40k 星与 SOTA 是项目与基准口径，真实场景的降噪效果要拿你自己的任务试；四层记忆也会带来维护成本——信念会过期、心智模型会漂移。但在"AI 员工要陪跑几个月"这类场景里，记忆从锦上添花变成了先决条件，这条赛道值得盯。

给想上手的人一句落地的：先别接全量——挑一类高频问题（比如你的项目规范）手工写成心智模型页，观察 Agent 启动时少了多少次追问；再逐步把 Obs 层开起来。记忆系统的价值不在存了多少，在少问了多少次——这大概是给"长记忆"最朴素的验收标准。