我们注意到，开源记忆框架 Mem0 最近完成了一次方向性调整——v3 版本在 LoCoMo 测试上把分数从 71.4 拉到 92.5。幅度不小，但更值得我们关心的是它放弃了一种主流做法：从'边写边改'换成'只追加、查询时再判断'。

这是什么

Mem0 是给 AI Agent（即能自主完成多步任务的 AI 程序）做长期记忆的开源框架。传统做法（v2）的逻辑是：对话结束，系统先抽新事实，再查旧记忆，让模型判断该新增、更新还是删除。库始终干净，但一次错误删除就不可逆。

v3 翻转了写入策略：用户'先住北京、后搬上海'，两条都留着，查询时混合语义相似度、关键词匹配、实体识别和时间排序来找当前事实。

行业怎么看

支持方认为这是更稳的工程选择：append-only（只追加）不丢历史，'判定'延后到需要时才发生，也省了一部分写入时的模型调用。

但质疑同样清晰：每次查询要融合多种信号，工程复杂度不低；记忆库持续膨胀，长期治理成本未知。Mem0 自己提醒 v3 检索策略在更长上下文里还需验证。

另一边，代表 Memobase 的团队走相反路线：不做通用流水线，专注'用户画像 + 事件记忆'双轨——稳定属性进画像槽位，发生过的事进时间线，模型调用靠批处理摊薄。

两条路线覆盖的设计空间并不重叠：一个偏'通用记忆库'，一个偏'垂直用户档案'。背后还有认知科学的影子：人脑记忆分情景（具体事件）、语义（一般知识）、程序（行为流程）三类，AI 记忆设计也正在这套分类里找位置。

对普通人的影响

对企业 IT：未来选 AI 助手时，记忆架构会成为选型维度——'干净但脆弱'和'完整但复杂'是两种不同承诺。

对个人职场：你跟 AI 长期协作留下的'印象'质量，取决于它在写入还是查询时做判断；前者省但易错，后者准但贵。

对消费市场：能'真的记住你'会成为 AI 产品的差异化卖点，但用户愿不愿意为'被记住'付代价，会决定这条路线走多远。