开源、零依赖、R@5 精度 95%：agentmemory 凭什么比 mem0 更值得用

BM25 负责捕捉"采购单"这类关键词；向量负责处理语义近似；Knowledge Graph 负责把 Vendor X 作为实体关联起来，即使你的问法变了，实体还在。

三路任何一路命中，结果就能被召回。这就是精度为什么高的原因。

记忆不只是"存"，还要会"忘"

mem0 是被动的：你告诉它存什么，它就存什么，存了就在那里。

agentmemory 有一套完整的记忆生命周期：

这对业务场景非常关键。比如客服 Agent 记录的"客户偏好运费险"，如果客户下个月更新了偏好，旧记忆需要被替换，而不是跟新记忆共存导致矛盾。

12 个自动 Hook：不需要你手动写入

这是我觉得工程设计最有价值的部分。

agentmemory 通过 12 个自动 hook，在 Agent 的整个生命周期里默默捕获信息——会话开始、工具调用、工具返回结果、用户纠错、会话结束……这些关键事件全都会触发记忆提取。

你不需要在代码里到处写 memory.add()，不需要决定哪些信息值得存。它自己判断，自己存，自己管理。

这对工程团队的意义是：接入之后，Agent 会越跑越聪明，而不需要专人维护记忆逻辑。

目前这 12 个 hook 是针对 Claude Code 等编程 Agent 的生命周期设计的。但底层接口是开放的——REST API 有 104 个端点，MCP 有 51 个工具，理论上任何 Agent 只要能发 HTTP 请求，都可以接进来。

Token 成本对比

这也是一个被低估的维度。

用本地 embedding 模型（all-MiniLM-L6-v2，免费），每年 API 成本接近零。

什么场景更适合用 agentmemory

说实话，如果你只是做一个简单的 RAG 问答，mem0 完全够用，接入也更快。

但如果你在做以下场景，agentmemory 更值得考虑：

1. 多 Agent 协作 mem0 的多 Agent 协调靠 API 调用，没有原生的协调机制。agentmemory 支持 leases（锁机制）和 signals，多个 Agent 可以共享同一个记忆服务器，读写有序。

2. 对记忆精度有要求的生产系统 三路融合检索 + 95.2% R@5，在需要可靠召回的场景下优势明显。

3. 自部署、不想依赖外部数据库 零依赖，SQLite 本地存储，默认就是自部署。适合对数据有本地化要求的环境。

4. 希望 Agent 有学习能力 记忆生命周期管理 + 自动 hook，让 Agent 可以从每次交互中积累知识，不需要人工干预。

一个判断标准

选记忆框架其实可以用这一个问题来决策：

你的 Agent 需要"记住上次发生了什么"，还是需要"从经验里学习规律"？

前者 mem0 够用。后者，你需要 agentmemory 这样有生命周期管理和多路检索的系统。

大多数早期项目是前者，但随着 Agent 跑的时间越长、场景越复杂，慢慢都会需要后者。

提前把基础打好，总比后面迁移省力。

项目地址：github.com/rohitg00/agentmemory，npm 包名 @agentmemory/agentmemory，一条 npx 命令跑起来。

你现在在用哪个记忆框架？或者有没有遇到 Agent "失忆"的坑？评论区说说。