一句话看懂
AGI-Memory 重新设计了 AI 的记录方式，将信息分为 Memory、Knowledge、Skill、Rule 四类，每类采用不同的记录、检索和生命周期管理逻辑。通过两步式 MCP 治理流程，在写入前进行冲突检测和真值维护，确保记忆库的准确性和可追溯性。
目标用户：使用 AI 编程助手进行重度开发的开发者，尤其是受困于记忆库噪音和无效记录的群体。
功能亮点
- 四层分类记录架构（Memory/Knowledge/Skill/Rule）
- 两步式 MCP 治理流程（宿主模型判断 + 后端校验）
- 写入即治理：新记录写入前进行语义冲突检测
- 知识替换保留历史与替换理由
- 同心圆洋葱可视化控制台（Canvas 2D + D3.js）
- derived_from 关系追溯记录推导链路
- Rule 层支持行为门控拦截
- 支持与宿主程序（如 claude.md）反向编译对齐
- 四层分类记录架构：不是把所有信息塞进同一个记忆库，而是先判断"这段信息本质上是什么"，再决定该怎么记、记进哪一层，层与层之间用 derived_from 关系记录彼此的推导关系，可以逐层回溯"这条知识是从哪句话、哪次判断得来的"。
- 两步式 MCP 治理流程：判断"该怎么记"这件事，交给正在对话的宿主模型来做——它已经读完了完整上下文，比后台一套通用规则更清楚这句话该记成什么。后端不重新理解一遍对话，只负责校验判断结果、检测跟已有记录有没有冲突、决定要不要真的写进去。
需求 / 使用场景
- AI 助手在开发过程中频繁产生大量对话记录，需要区分临时经验与长期规则
- 开发者希望 AI 能记住关键约束（如安全规范）并严格执行
- 需要避免旧知识被新信息无痕覆盖，保留变更历史
- 希望直观查看记忆之间的关联和推导关系
- 系"直接摆在眼前——因为记录方式变了，你需要一种新的方式去看懂这些记录之间的关系，不能再靠一张扁平的列表。 - image1106×828 204 KB - image1920×989 338 KB - 如图所示，主要是类知识图谱的方式帮助大家直接理解和判断，这样得出的m
- I 说了什么、用户说了什么，原样存下来，需要的时候搜出来最相关的几条。这套逻辑在信息量小的时候没问题，但信息量一旦上去，会暴露一个根本性的错误：日志不分主次，记录应该分主次。一条"这次调试花了两小时"的经历，和一条"以后提交前必须跑测试"的规则，如果被同一套逻辑记录、同一套逻辑检索，
- 只是一条"建议”，起不到真正的约束作用，需要用完全不同的方式记录、完全不同的方式生效 为什么做这个方向： 现在大家都在讨论怎么让 AI 记得更多、搜得更准，但很少有人问一个更基础的问题——AI 到底该用什么方式去记录一件事，这件事本身有没有被认真设计过。大部分方案默认"记录"就是
- - 如图所示，主要是类知识图谱的方式帮助大家直接理解和判断，这样得出的memory，knowledge，skill，rule是否符合自己的预期，以及为什么不符合自己的预期。 二、Demo 创作思路 灵感来源： 做这个项目之前，先观察了一个现象：几乎所有 AI 记忆方案，不管
- 准、不同的生命周期、不同的检索逻辑。 面向谁： 用 AI 编程助手做重度开发的人，尤其是已经受够了"AI 什么都往记忆库里塞、结果检索出来全是噪音"这种体验的开发者。 主要功能： - 四层分类记录架构：不是把所有信息塞进同一个记忆库，而是先判断"这段信息本质上是什么"，再决定
- 【学习工作赛道】AGI-Memory——面向 AI 智能体的核心记忆治理网关与工作台 【大赛报名专区】 1. 创意名称与创意介绍 创意名称：AGI-Memory 核心记忆治理网关。 产品形态：一款硬核的开发者中间件工具，包含底层的记忆路由系统
痛点洞察
- 现有记忆方案将所有信息同质化存储，导致重要规则被噪音淹没
- 记录后缺乏冲突检测，新旧知识矛盾时无法自动处理
- 无法区分一次性的经历与可复用的技能/规则
- 记忆库只增不减，缺乏治理和淘汰机制
- 可视化工具仅提供扁平列表，无法展示记忆间的派生关系
- 现在大家都在讨论怎么让 AI 记得更多、搜得更准，但很少有人问一个更基础的问题——AI 到底该用什么方式去记录一件事，这件事本身有没有被认真设计过。大部分方案默认"记录"就是"存储加检索"，这是一个从来没被质疑过的假设。AGI-Memory 想验证的是：如果把"记录"这个动作本身重新设计——分清楚记的是什么、该用什么标准判断该不该记、记完之后这条记录还要不要为自己的成立与否负责——AI 的记忆系统会不会因此发生质变，而不只是量变。这是一件从头开始就没有太多现成答案可以照抄的事，做到现在，越来越确信这个方向本身是对的，值得继续做下去。
- 三、Demo 体验地址
- 在线 Demo： AGI-Memory 控制台
- 评委体验提示： 打开后 URL 会自动附带 ?demo=1 参数，进入纯前端展示模式，您可直接体验使用 Mock 数据驱动的同心圆力导向图可视化与节点交互。若需接入您的真实后端，请去掉 URL 中的 ?demo=1 即可走真实 /internal/* 接口。
- 开源代码仓库： https://github.com/PrecipAI/AGI-Memory
可借鉴机会
- 将认知科学分类（情景/语义/程序记忆）落地到 AI 记忆系统
- 借鉴真值维护系统（TMS）实现记忆的自动冲突解决
- 通过 MCP 协议将治理逻辑与宿主模型解耦，提升灵活性
- 可视化图谱帮助开发者理解和调试 AI 的记忆状态
来源信息
- 作者：修远
- 赛道：学习工作
- 原帖链接：https://forum.trae.cn/t/topic/51738