2026-04-11 Memory provider research framework

结论

当前 wiki 里的 11 个 memory provider，最好的研究方式不是“平铺直叙地逐个介绍”，而是分层 + 分轴 + 分场景。

为什么不能只按列表逐个讲

因为这 11 个项目不是同一种东西：

• 有的是 平台（Zep、Letta）
• 有的是 原始记忆存储 / 编排思路（MemPalace）
• 有的是 SDK / API / service（Mem0、Supermemory、Honcho）
• 有的是 本地 / 自托管工具（OpenViking、ByteRover、Holographic）
• 有的是 知识图谱 / reflect / temporal memory 路线（Hindsight、Zep）

如果硬把它们按同一个模板讲，容易得到“全都差不多”的错觉。

我建议的对比方式

1) 先按“产品形态”分层

• 平台型：Zep、Letta
• 存储 / 编排型：MemPalace、Hindsight
• API / SDK 型：Mem0、Supermemory、Honcho、RetainDB
• 本地 / 自托管型：OpenViking、ByteRover、Holographic

2) 再按“记忆哲学”分轴

• 原始对话优先：MemPalace
• 结构化 block / state 优先：Letta
• 关系图 / 时序图谱优先：Zep、Hindsight
• 抽取 / 摘要优先：Mem0、Honcho、Supermemory
• 本地可控优先：OpenViking、ByteRover、Holographic

3) 再按“使用场景”分组

• 做 agent 产品：Zep、Letta
• 做长期记忆系统：MemPalace、Zep、Hindsight
• 做轻量接入：Mem0、Supermemory、Honcho
• 做隐私 / 本地部署：OpenViking、ByteRover、Holographic

我建议的研究顺序

第一层：先做总览表

固定维度保持一致：

• 定位
• 存储模式
• 成本
• 接入方式
• 核心记忆哲学
• 技术门槛
• 适合谁

第二层：再做 3 类深挖

1. 平台型深挖：Zep、Letta
2. 差异化方法论深挖：MemPalace
3. 轻量/实用型深挖：Mem0、Supermemory、OpenViking

第三层：最后做选型结论

按任务来选，而不是按名气来选：

• 做 agent 平台 → Zep / Letta
• 做长期记忆范式研究 → MemPalace
• 做快速集成 → Mem0 / Supermemory
• 做本地私有化 → OpenViking / ByteRover / Holographic

适合输出的 wiki 结构

如果继续写 wiki，我建议把 memory 主题拆成三层：

• comparisons/：总对比和选型
• concepts/：单个项目的方法论页，如 Letta、Zep、MemPalace
• queries/：深度研究结论、选型建议、研究框架

我的建议

这 11 个项目不应该全部用同样的深度去研究。 最合理的方式是：

• 先总览，找出路线差异
• 再选 3 个重点深挖
• 最后形成选型地图

这样产出的 wiki 才会既能查、又能比、还能指导后续研究。

相关页面

• 2026-04-11-memory-provider-comparison
• 2026-04-11-memory-provider-top3
• 2026-04-11-memory-provider-coverage-check