AI Agent MemGPT

Mon, 01 Jan 0001 00:00:00 +0000

AI Agent MemGPT

整理发布时间：2026-07-06 | 更新时间：2026-07-06

本文解读一篇 UC Berkeley 2023 年提出的给 LLM 做分层长期记忆管理的论文：

《MemGPT: Towards LLMs as Operating Systems》
by Charles Packer et al., UC Berkeley → ICLR 2024

一句话核心思想#

把 LLM 当作 CPU，把它的上下文窗口当作 RAM，把长期记忆当作磁盘——让 LLM 自己通过 “系统调用”（tool calling）来管理自己的多级记忆，像操作系统管理虚拟内存分页一样。

LLM 有一个根本矛盾：

上下文窗口有限（GPT-4 早期 8K/32K），模型受限于 Transformer 注意力 O(n²) 复杂度，而真实场景需求中，长期会话、用户偏好积累、海量文档分析等需要"无限"记忆，但利用 RAG 只能被动检索，无法做到"主动压缩、主动关联、主动遗忘"。

MemGPT 论文观察到：LLM 的瓶颈不是"知道什么"，而是"同一时刻能看见什么"。于是它借用了操作系统的经典解法——分层内存 + 按需分页。

Mon, 01 Jan 0001 00:00:00 +0000

AI Agent MemGPT

整理发布时间：2026-07-06 | 更新时间：2026-07-06

本文解读开源项目 OpenMemory 的知识结构。

OpenMemory 是数字化复刻了生物脑记忆系统，按标准认知心理学对人类的长时记忆划分为 Episodic、Semantic、Procedural、Emotional、Reflective 五层记忆：

外显记忆（可主动口述、有意识回忆）
- Episodic 情景记忆：带时间、场景的个人经历（海马体主导）
- Semantic 语义记忆：客观事实、知识、偏好（新皮层存储）
内隐记忆（无意识、技能 / 条件反射）
- Procedural 程序记忆：操作流程、习惯、技能（基底神经节）
- Emotional 情绪记忆：事件附带情绪感受（杏仁核）
元认知记忆（人类独有）
- Reflective 反思记忆：自我复盘、总结经验、修正认知（前额叶）

OpenMemory 直接把这五类脑内独立记忆系统，拆成五个隔离存储分区，每一层对应独立向量编码、独立遗忘衰减速率、独立检索逻辑。

人类大脑机构请参考大脑组成

1. Episodic 情景记忆（对应人脑自传事件记忆）

心理学依据

Tulving 1972 年提出，「精神时间旅行」，存储绑定时间、上下文、对话内容，依赖海马体时序编码，人能回忆 “那天发生了什么完整过程”。

工程设计

业务例子

昨天和用户聊代码报错、上周一起梳理项目需求的完整对话。

对应 MemGPT：Recall Memory。