用途：为智能体系统设计与实现记忆架构，使智能体能够跨会话保持状态、维持实体一致性，并对累积知识进行推理。适用于需要跨会话持久化、从历史交互中学习、构建随时间增长的知识库，以及追踪状态变化的时间感知系统。
主要能力：讲解从即时上下文到永久存储的记忆谱系，包括工作记忆（上下文窗口、零延迟、易失）、短期记忆（会话内持久、可搜索）、长期记忆（跨会话持久、结构化）和永久记忆（归档、可查询）。分析简单向量存储的不足：丢失关系信息、难以区分事实的时间有效性。介绍基于图的记忆，知识图谱保留实体间关系，时间知识图谱为事实添加有效起止时间，支持时间旅行查询。给出记忆分层架构（工作记忆、短期记忆、长期记忆、实体记忆、时间知识图谱）与实现模式（文件系统即记忆、带元数据的向量 RAG、知识图谱、时间知识图谱），以及语义检索、基于实体的检索、时间检索和记忆整合（触发条件与流程）。
使用方式：根据查询需求选择架构——简单持久化用文件系统记忆，语义搜索用带元数据的向量 RAG，关系推理用知识图谱，时间有效性用时间知识图谱。与上下文系统集成时采用即时加载和策略性注入。资料中提供了实体追踪与时间查询的代码示例，以及 DMR 基准对比数据（如 Zep 时间知识图谱 94.8% 准确率、2.58 秒检索延迟）。
适用场景：跨会话智能体、实体一致性维护、累积知识推理、从交互中学习、时间感知系统。
限制：资料未提供具体安装命令、收费信息或平台支持细节；实现选择依赖查询复杂度、基础设施约束与准确性要求，需考虑隐私、备份恢复与记忆增长监控。