🏷️ 记忆架构

赋予AI显意识与潜意识：Mercury的第二层大脑架构

文章探讨了当前AI Agent在记忆管理上的短板，指出单纯扩大上下文窗口并不等同于真正的记忆。作者提出了Mercury的“第二大脑”架构，通过模拟“显意识”（活跃任务）和“潜意识”（休眠记忆）的双层记忆机制，解决了Agent长期运行的连续性问题。该架构结合了看板管理、Git工作流及权限控制，旨在将AI从简单的对话机器人进化为具备长期记忆和任务持久化能力的操作系统。

Agent 记忆架构指南：为什么你需要 Wiki 和 录音

文章探讨了 AI Agent 开发中的记忆瓶颈，指出单纯扩大上下文窗口并不足以解决遗忘问题。作者提出了 GBrain 和 Lossless 两个核心模式：GBrain 像公司 Wiki，用于跨会话查询事实和决策；Lossless 像会议录音，允许在长对话中无损检索原始细节。文章详细解释了二者的区别、应用场景以及如何在 OpenClaw 和 Hermes 运行时中集成。

构建永不遗忘的 Agent：从原理到 Graph-Vector 混合架构

文章从第一性原理出发，深入探讨了 Agent 记忆机制的演变。作者指出单纯依赖 Context Window 会遭遇“中间迷失”效应，并借鉴认知科学将记忆分为感觉记忆、工作记忆和长时记忆。文章通过对比 Python 列表、Markdown 文件和向量搜索等不同技术层级的优劣，揭示了传统方案在持久性、语义理解和关联推理上的局限性，最终提出了结合图数据库和向量搜索的 Graph-Vector 混合解决方案。