Wink Pings

AI Agent 的记忆塞进一个文件,接下来该忘什么?

AgentDB 把向量、索引、反馈状态和审计日志放进单个 .rvf 文件,省掉独立数据库服务器。它让持久记忆更容易部署,也让过期记忆的问题更显眼。

Dan Kornas 发布了一个叫 AgentDB 的开源项目,目标很具体:给 AI agent 加持久记忆和检索,但不用再跑一个独立数据库服务器。

这对做 agent 的人不陌生。想让 agent 复用过去任务、结果和上下文,通常要接向量库、维护索引、处理检索结果,再想办法记录哪些结果真的有用。AgentDB 把这些能力收进一个本地记忆库,开源,MIT 许可。

它的几个设计点:

  • 单文件存储:向量、索引、学习状态和审计日志放在一个 .rvf 文件里
  • 反馈驱动检索:记录哪些检索结果有用,让学习循环调整排序
  • 混合搜索:BM25 关键词匹配加稠密向量检索,同时照顾精确词和语义
  • 情节记忆:存任务、结果和评价,之后检索相关的历史片段
  • MCP 集成:把记忆工具暴露给 Claude Code、Cursor 等兼容 MCP 的客户端,不用自己搭工具接口

AgentDB 推文配图

从定位看,AgentDB 适合想快速试持久记忆的开发者,也适合不想为小项目维护数据库服务的人。单文件和 MCP 集成降低了接入成本,至少不用先搭一套基础设施再验证记忆有没有用。

但记忆这件事,存进去只是前半段。高阳在回复里提到,本地存储很吸引他,他停用托管记忆服务的原因,是它曾翻出几个月前的旧偏好,agent 还照着执行。他关心的是修剪:怎么决定什么该被忘记。自己的笔记文件一直增长,检索每个月都更吵。

Thomas Wight 的反馈更直接:存储从来不是 bot 的问题,过期规则才是。他提到自己在 10 月 31 日下午 3 点给 bot 设了模型规则,3 点 26 分就得改,现在规则带日期,最新的赢。他问 AgentDB 怎么知道一条记忆过期了。

这两个问题指向同一个地方。AgentDB 有反馈记录和审计日志,能追哪些结果被使用、哪些结果有用,但“遗忘策略”仍要使用者自己定义。反馈可以调整排序,审计可以追来源,过期判断不会自动出现。

有网友调侃,终于有 agent 记得昨天的错误了。笑点背后是现实:很多 agent 不缺存储,缺的是对旧信息说不的能力。AgentDB 把部署门槛压低了一截,也把遗忘问题摆到了台面上。

GitHub:https://github.com/ruvnet/agentdb

发布时间: 2026-11-17 11:30