用途：为智能体设计分层记忆体系，区分对话历史与真正记忆。适用于跨会话记住用户偏好、多会话任务续接、重启后仍保持个性化、多租户隔离，以及事实随时间变化需要历史追溯的场景。
主要能力：把记忆划分为三层——核心（上下文内，约六千至八千字符内，放身份与规则）、回忆（向量检索，十万级条目，含最近若干会话）、归档（冷存储，无上限，保存完整历史）。配套提升规则：归档在检索时升入回忆，回忆在重复使用时升入核心；淘汰规则：核心遇上下文压力降入回忆，回忆过期降入归档。
后端选型：mem0 偏自我改进与事实抽取、开源，适合个性化与对话记忆；Letta（MemGPT）偏操作系统式分层记忆与持久化，适合长生命周期智能体；Zep/Graphiti 提供双时序知识图谱，适合事实随时间变化的场景；LangMem 为 LangGraph 原生，适合已在 LangGraph 的团队；Postgres + pgvector 适合自建与合规、本地部署需求。
时序与快照：快照以最新值为准（mem0 默认），简单但丢失历史；双时序为每个事实记录 valid_from、valid_to、recorded_at，当需要回答“智能体昨天认为什么”时必须采用。Graphiti/Zep 开箱即用，自建需维护实体、关系、值等元组。
隐私模式：按租户隔离命名空间，不跨用户共享嵌入；嵌入前用 Presidio 做 PII 检测；回忆层设 TTL（如 90 天），归档层显式保留策略；用户发起的遗忘需从所有层硬删除并重建索引。
用法示例：mem0 中通过 Memory() 添加带 user_id 的记忆并检索；Graphiti 通过 add_episode 写入带 reference_time 的事件并搜索。具体限制与平台细节暂未提供。