两个都叫 agent memory,存进库的却是两种东西
tavern-labs-ai/persona-ai-sdk 2026 年 10 月 31 日建库,到 2026 年 11 月 8 日是 187 星、2 个 fork,MIT,TypeScript,仓库 217 KB,最后一次 push 停在 11 月 2 日。description 只有一句:默认人格、持久角色记忆、Bedrock / OpenAI 适配打成一个包;npm 发布名 ai-persona-sdk 与仓库名不同。另一个是 gh9ko8y/graphmemory,早一天建库,10 月 30 日,201 星、5 个 fork,同样 MIT,Python,7480 KB,push 停在发布当天。description 长得多:双时态 AI 记忆系统,六变量衰减、时间分级召回、TTL 到期、去重、竞争检索,底下压着 Neo4j、PostgreSQL 与 Redis。
两个仓库差 14 星,建库只差一天,体量差了三十多倍,但真正要命的差别不在这些数上。它们要存的根本不是同一件东西:一个存「这个角色是谁、和用户处到了哪一步」,一个存「某条事实在什么时间成立、后来被改成什么」。11 月 6 日那篇讲上下文压缩发生在哪一层,这篇不碰那个框架,只看记忆落库后的结构与时间语义。
两条同属 agent-memory 一族,积压 78 分与 77 分,是一次消耗两条的横评。下面按数据模型、召回、失效三条线拆开,最后给选 A 还是选 B 的判断,README 里的变量与阈值只按作者自述引用。
人设是会被覆盖的记录,事实是带两条时间轴的账本
persona-ai-sdk 的最小单位是人设卡。personas/ 目录下 8 个 json,atlas、sage、vera、scout、wren、ember、lumen、mica 各一张,字段按 README 是 systemPrompt、traits、greeting、memorySeeds。README 把 SDK 拆成 Personas / Memory / Model / Persistence / Interface 五层,五层可替换;卡是产品默认值,应用要把它映射成自己的 persona manifest,其中 relationships 写死 stranger / acquaintance / trusted 三段,默认从 stranger 起。它存的是身份:一份提示词、一组特质、一句开场白,和随交互推进的关系刻度。
召回和写入的路径写在 ARCHITECTURE.md 里。写入是 normalize → provider extraction → 校验 schema 与源消息 provenance → 丢弃低置信候选 → consolidation,默认策略会合并语义重复、supersede 可变状态、把矛盾抛给调用方。召回反过来:可选 query embedding,先过 scope 与 identity 过滤,再按 semantic、lexical、importance、recency 四路打分,接着 expiry filtering,最后按 token 预算打包成一段「明确不可信」的上下文,渲染时标成 recollection 而不是 instruction。也就是说,人设记忆的更新方式是覆盖:关系推进到 trusted,旧的 stranger 就被顶掉,系统不承诺留一份旧版本。
graphmemory 反过来,最小单位是一条挂了时间的事实。README 自述每条事实同时有 valid_from / valid_until 这条有效时间(事情在现实里何时为真)和 tx time 这条记录时间(系统何时写入),能分别回答「当时是什么」和「后来改了什么」;episodes 原文账本只追加不更新。事实状态放 PostgreSQL 的 fact_state,关系边放 Neo4j 的 RELATES_TO 与 MENTIONS,Redis 只做读路径缓存。src/graphmemory/recall/ 目录里确有 11 个 py 与之对应:decay.py、validity.py、time_gradient.py、competitive.py、temporal_age.py 等——文件名对得上自述,公式是否生效是另一回事。
它的召回围着时间设计。README 自述的竞争检索是「激活 × 匹配 × 资源适配 → θ 相对阈值 → Top-K」,命中反过来巩固记忆;时间梯度列了 1 天到 1 年十档,越久 D(细节)上限越低、R(检索难度)下限越高。失效走的是降级而不是删除:六变量 S / D / R / E / C / I 控制衰减,TTL 按内容分类(临时状态 1 天、事件 7 天、普通事实 14 天、偏好永久、身份 3 年),到期先隐藏、宽限 1 天再物理删,episodes 原文账本永久保留。以上出自 README 与 DESIGN_ZH.md,是作者自述,不是本文实测。
差别最硬的一处:一个覆盖旧状态,一个给旧状态留原文
先把能对着目录数出来的东西摆齐。persona-ai-sdk 的 README 15239 字节、ARCHITECTURE.md 5614 字节,docs/ 下 7 篇、src/ 下 7 个子目录,personas/ 8 个 json 与 README 的「8 personas」徽章对得上。graphmemory 的 README 8106 字节、API.md 12336 字节、mcp_server.py 27734 字节、docs/DESIGN_ZH.md 28853 字节,scripts/ 6 个、docs/ 6 个,recall/ 下 11 个 py,其中 repository.py 18,818、competitive.py 11,961 字节等。这些字节数是目录接口给出来的,机制描述则来自仓库自己的文档,两件事要分开看。
三条线对齐之后,差别就清楚了。数据模型上,A 存「角色属性 + 关系阶段 + 带来源的记忆记录」,B 存「事实 + 两个时间轴 + 只追加的原文」。召回上,A 是四路打分加 token 预算打包,取此刻最该塞进 prompt 的几段;B 是相对阈值加时间梯度,取在这个时间点仍成立且被激活的事实。失效上,A 靠 consolidation 覆盖可变状态,B 靠 TTL 隐藏、六变量降级、memory_forget 打墓碑,但原文账本不删。
于是两者的失效场景几乎互补。用 A,你要担心的不是「记不记得」,而是「被改成了什么」:关系阶段一推进,旧阶段被 supersede;同一件事说两次,语义重复被合并;一轮对话太长,召回块被 token 预算裁掉。用 B,你要担心的是「现在还看不看得到」:一条事实 TTL 到期先隐藏,六变量衰减把 D 压低、把 R 抬高,它在当前视图里越来越难被激活,可 get_timeline 和 episodes 仍能把当时原话翻出来。A 不承诺历史版本,B 不承诺当前可见——这不是实现好坏,是两种记忆各自要保的东西不同。
还有一处口径必须写明。六变量衰减、双时态、十档时间梯度、θ 竞争检索,在 README 和 DESIGN_ZH.md 里都有段落、在 recall/ 里都有对应文件,但仓库没给权重复现脚本、没给衰减曲线的数据集;scripts/ 那 6 个文件是 init_db.sql、verify_chat_memory.py 一类的建表与冒烟脚本。本文没有执行 docker compose up -d,没有跑 pytest,没有复现任何召回率。凡涉及「效果」的句子,一律按作者自述读。
一条 npm install 对三个容器,先算你要付的是哪种成本
A 的起步几乎零运维:npm install ai-persona-sdk,源码检出则是 npm install 加 npm run build,要求 Node.js ≥ 20,另需 OpenAI API key 或带 Bedrock 权限的 AWS 凭据;用 SQLite 适配器才要装 better-sqlite3。代码里先 getPersona("atlas"),再用 createCharacterMemoryRuntime({ extractor, embeddings, store }) 装配记忆运行时,store 可选 InMemory、JsonFile 或 SQLite,然后 createPersonaRuntime 接上 runtime.respond({ conversationId, message })。一次 respond 顺带完成召回、生成、回合写入与关系状态推进,response.trace 里带着 recalled memory IDs。
B 的起步是另一量级。README 要求 Python ≥ 3.10 与 Docker Compose,顺序是 cp .env.example .env 填好密码与 LLM key、docker compose up -d 起 Neo4j / PostgreSQL / Redis,再 python -m venv .venv && . .venv/bin/activate、pip install -e .、psql ... -f scripts/init_db.sql 建表,最后 uvicorn graphmemory.main:app --host 127.0.0.1 --port 8000。写入与检索是 curl -s -X POST localhost:8000/api/v1/memory/add 和 /search,手动跑一轮衰减是 /decay;接 agent 走 mcp_server.py 的 stdio MCP,配 GRAPHMEMORY_BASE_URL 与 GRAPHMEMORY_AGENT_ID。
成本差别里藏着最容易踩空的一处:graphmemory 的 README 有一节明确写「未包含」,把桌面小组件、QQ / NapCat 等 IM 适配(含「每轮自动记忆注入」钩子)、私有提示词 / 人设都划在仓库之外。也就是说 B 根本不替你管人设,也不替你把记忆塞回每一轮对话,那层胶水要自己写。A 恰好相反,人设卡和交付元数据是包里自带的,但记忆能不能跨会话留住,全看你选哪档 store、给不给 provider 凭据。
判断表如下,A 是 persona-ai-sdk,B 是 graphmemory:
- 要角色长期不崩人设、记住和用户处到哪一步(客服、陪伴、游戏 NPC、固定品牌口吻)——选 A。人格卡、memorySeeds、三段关系状态就是为身份连续性做的;代价是接受「旧状态会被 supersede」这套覆盖语义。
- 要回答「这条事实当时成立吗、后来改了没」——选 B。双时态是这里唯一把有效时间与记录时间拆成两个字段的数据模型,episodes 只追加账本还能回溯原话;代价是那套衰减与召回只是作者自述。
- 只能起一个进程、不想运维数据库——选 A,In-memory 或 Atomic JSON 就够用。B 的 quick start 直接写进 Neo4j + PostgreSQL + Redis 三件套,还要填 LLM key 才抽得出事实。
- 数据要按时间审计、要跨年级的「当时 / 现在」两套口径——选 B。TTL 分级与十档时间梯度是为这种场景设计的;代价是 Python ≥ 3.10 与 Docker Compose。
- 身份和事实都要记——两个可以叠:A 写 character state、B 写 fact_state,不冲突。但别指望自动打通,B 明说人设与每轮注入钩子不在仓库里。只想要方法论就都别装,读 A 的 ARCHITECTURE.md 和 B 的 DESIGN_ZH.md 比养三容器便宜。
一个务实提醒:两边都不承诺开箱即用。A 的 README 徽章 alt 写 1.0.2、徽章图却是 1.0.3;getPersona 遇到未知 ID 会回落到 Atlas 而不报错——写错角色 ID 不会失败,只会换一个角色继续聊。装之前先按 /contents 对一遍文件。
8 天攒 200 星、零 issue,量不出「记对没记对」
先质疑星标。两个仓库都建在 2026 年 10 月 30 / 31 日,到核对日不满两周,187 星配 0 订阅者、0 未关闭 issue,201 星也是 0 订阅、0 未关闭 issue,fork 分别只有 2 和 5。这个分布更像发布期的一次曝光,不是生产环境跑出来的验证。B 的 pushed_at 停在发布当天 14:00,比 created_at 只晚约一小时,updated_at 却到了 11 月 7 日——一个自称带后台衰减与 TTL 清理循环的系统,源码停在首次提交那一刻,此后动的是元数据。
再质疑文档本身。DESIGN_ZH.md 有 28853 字节,写着五命题两坑、44 个测试、桌面悬浮球、start.ps1 与三容器架构图。可 api.github.com 列出来的根目录只有 11 项,tests/、ball.py、那份 ARCHITECTURE.md 都不在;文档开头自己注明「原始设计 / 开发记录,保留其推导过程供参考」,README 的「未包含」一节又把桌面小组件、IM 适配(含每轮自动记忆注入钩子)、私有人设划到仓库外。演示视频 67 秒里最像「有记忆」的那一下自动注入,恰恰是 clone 下来拿不到的。引用阈值前,先分清哪句写的是当前代码、哪句是当时的设想。
第三处质疑是那些自述机制没有可复核的分母。六变量 S / D / R / E / C / I 各占多少权重、θ 怎么定、十档时间梯度的边界由谁校准,README 只给公式和档位,没给数据集、没给对照实验;「遗忘是降级不是删除」是设计选择,不是被测量过的效果。A 那边四路打分怎么加权、token 预算裁掉多少 recall 才不伤角色一致性,ARCHITECTURE.md 也没给数字。两边都把机制写得比证据详细。
第四处是「二选一」这个问法本身。A 的 8 张卡被 README 定性为「product defaults rather than canonical memory records」,B 明说人设不在仓库里——一个把人设做成包内默认值,一个推给部署侧。硬问「哪个记忆更强」,等于拿角色一致性和时间可回溯性比大小,没有共同分母。
所以判断不落在哪个星多。存身份,就接受 A 那套可覆盖、按预算打包、随时可能被 supersede 的记录,它不承诺历史版本,换来一条 npm install 就能起步的轻量;存命题,就接受 B 那套双时态账本、十档时间梯度和三个容器,换来「当时说了什么」随时可翻,代价是人设和每轮注入的胶水自己写。最不该做的是把「它记得我是谁」和「它记得这件事哪天成立」并成一个指标去打分。如果只做一件事,我会在写入事实那一刻强制带上「这条是什么时候知道的」——这个字段两边都替不了你判断,缺了它,再精巧的衰减模型也只是把一段没有时间的信息存得更久一点。