{{< resource-info >}}

AI Agent 记忆持久化 2026：Letta vs Mem0 vs A-MEM #

Meta Description：没有记忆的 Agent 每次重启都归零。在多会话负载下实测 Letta、Mem0、A-MEM，到底谁能留住上下文、谁更便宜、什么时候该自己造轮子。

持久化记忆是 Agent 从「工具」走向「伙伴」的分水岭。2025-2026 年期间，有三个开源框架成为认真候选。本文在同一个多会话负载下实测了它们。

⚡ TL;DR #

Letta：类 OS 的记忆分层（core / archival / recall），最为成熟复杂。

Mem0：开发者体验最佳，最适合给现有 Agent 快速加记忆。

A-MEM：偏研究，带主动遗忘 + 衰减，最适合长跑 Agent。

不必用：一次性简单任务，直接上 MCP memory server。

三种路线 #

Letta（前身 MemGPT） #

Stars：约 13K。技术栈：Python。 模型：受操作系统启发的分层结构。Core memory（驻留上下文）、archival memory（向量数据库）、recall memory（分页历史）。Agent 自主编辑自己的记忆。

Mem0 #

Stars：约 8K。技术栈：Python。 模型：简洁的 add/search API。记忆条目是被总结并向量化的用户陈述。开发者体验最佳。

A-MEM #

Stars：约 3K。技术栈：Python（学术界出身）。 模型：带衰减的主动遗忘机制。近期记忆权重更高，更适合长跑 Agent。

实测：10 会话多轮负载 #

模拟两周内的 10 次会话，对象是一个编程助手 Agent。追踪指标：

• 记忆保留准确率（Agent 还记得 session 1 设定的用户偏好吗？）
• 记忆层带来的额外延迟
• 接入时间
• 成本（token 消耗 + 数据库）

保留准确率（事实正确召回的比例） #

结论：Letta 长期保留最佳。A-MEM 跨会话表现最稳。

额外延迟 #

结论：Mem0 最轻量。Letta 最重（越复杂 = 查询越多）。

接入时间 #

结论：Mem0 接入最快。

各自适用场景 #

Letta 胜出的场景： #

• 多轮 Agent 长期服务同一用户（数月起）
• 记忆复杂度有讲究（优先级、演化中的偏好）
• 愿意投入接入时间换取生产级打磨

Mem0 胜出的场景： #

• 给现有 Agent 快速加上记忆
• 简单的「记住这些事实」工作流
• 在乎开发者体验

A-MEM 胜出的场景： #

• 长跑 Agent 需要衰减（旧事实相关性下降）
• 研究 / 实验导向
• 想自己调记忆动态参数

不需要专用记忆层的场景： #

• 一次性任务
• 单会话工作流
• 仅需「记住用户名」这类简单需求 —— 上 MCP memory server 即可

实际接入 #

以 Mem0（最简）为例，给现有 Agent 加记忆：

from mem0 import Memory
m = Memory()
m.add("User prefers TypeScript over JavaScript", user_id="alice")
m.add("User's project uses pnpm not npm", user_id="alice")

# Later session
relevant = m.search("What package manager?", user_id="alice")
# Returns: "User's project uses pnpm not npm"

把 relevant 注入 Agent 上下文。就这么简单。

Letta 集成更重，但能拿到更完整的分层能力。

成本影响 #

记忆框架确实会增加成本：

• 写入新记忆嵌入：每次 add 0.0001-0.0005 美元
• 每轮检索：0.0002-0.001 美元
• 向量数据库托管：每月 20-100 美元

对面向付费用户的 Agent：相对营收微不足道。对免费 / 业余 Agent：明显感觉得到。请提前规划预算。

推荐基础设施 #

记忆框架 + 向量数据库托管推荐：

• DigitalOcean —— $200 抵扣
• HTStack —— 香港 VPS

联盟链接 —— 价格一致，支持 dibi8.com。

结语 #

复杂生产级 Agent 选 Letta。给已有 Agent 快速加记忆选 Mem0。长跑 + 需要衰减选 A-MEM。它们解决同一个问题，但切入点不同 —— 按你的优先级挑就行。

简单场景下，MCP memory server 已经够用，不要过度工程化。只有当记忆质量真正成为产品差异化点时，专用记忆框架的复杂度才值得投入。

相关阅读：AI Agent 记忆系统 2026 · MCP Servers 2026 排行榜 · 开源 AI Agent 框架 Top 10