Recalld

Recalld 是一款专为 AI Agent 打造的长期记忆层服务。它解决了一个核心问题：当 AI Agent 需要处理跨会话、跨文档的复杂任务时，传统方案只能将大量相关片段一股脑塞入上下文窗口，不仅费用高昂，还容易引发模型幻觉。Recalld 的做法截然不同——写入记忆后，系统会自动提取原子级事实，在新信息到来时判断更新、合并或覆盖旧有记忆，检索时只返回真正回答问题的那几条事实，而非一堆原始片段。

核心功能方面，Recalld 提供了三个 primitives（add / recall / search），覆盖记忆的写入、语义检索和向量搜索三种场景。其中 recall 模式会在向量候选基础上再经过一道 LLM 精选层，最终只将约 243 个 token 送入 Agent 的上下文窗口，相比原始向量搜索的 1627 token 减少 6.7 倍，同时准确率还略有提升（88.7% vs 88.2%）。这一数据来自第三方评测框架 Agent Memory Benchmark，基于 LoCoMo 数据集的 1540 个问题，评分由独立第三方完成，过程和补丁全部公开。

Recalld 还原生支持 MCP（Model Context Protocol），可作为 MCP Server 直接接入 Claude、Cursor、VS Code 等主流 Agent 和 IDE，无需编写任何 SDK 或胶水代码。接入后 Agent 自动获得 memory_add、memory_recall、memory_search 四个工具，每次读取记忆时只有精选后的少量 token 进入上下文，费用完全可控。

时间感知是另一大特色。Recalld 能够记录每条事实的生效时间窗口，使同一主体在不同时间段的状态（如「曾在北京办公室」与「现居上海」）不会相互混淆。多跳推理能力也经过了专项测试，在跨越多个会话的复杂问答中达到 80.5% 准确率。此外，平台支持欧盟与美国两个 Region 选择，默认符合 GDPR，数据从不跨区流动。

定价采用 Credit 积分制：免费版每月 15,000 积分，默认使用平台模型，30 天活跃记忆窗口，支持 60 请求/分钟。付费版可绑定自己的 API Key，自己向模型供应商付费，Recalld 只收取编排费用。搜索（search）约比精选回忆（recall）便宜 40 倍，绝大多数场景下成本极低。

应用场景上，Recalld 适合以下几类人群：一是需要 Agent 处理长期项目的开发者，如软件架构师让 AI 记住多轮代码重构的上下文；二是客服或销售类 Agent，需要记住与用户的历史对话和偏好；三是研究类 Agent，跨多篇论文做文献综合时不会把旧论文的结论混淆进新论文；四是个人效率助手，帮助用户管理日程、习惯和项目进展的记忆而不依赖会话历史。

Recalld 由 bit-robotics 团队开发并维护，创始成员来自机器人与 AI 研究背景。项目目前已有稳定的企业级用户在生产环境使用，API 文档完整，支持自托管或直接使用云端服务。官方提供了详尽的接入指南，开发者可在 5 分钟内完成 MCP Server 的配置并开始使用。