分类： 深度架构分析

项目: mem0ai/mem0 — AI Agent 的记忆层基础设施

Star: 64.9K+ | Commits: 2600+ | 许可: Apache 2.0

核心定位: 为 AI Agent 提供持久化的、可检索的、多层级的记忆能力

1. 系统定位与设计哲学

Mem0 将自身定义为 “The Memory Layer for Personalized AI”，不是一个 RAG 框架，不是向量数据库，而是一个面向 Agent 的记忆中间层。它的核心命题是：AI 助手应该像人一样”记住”对话上下文、用户偏好和历史事实，而不是每次会话都从零开始。

设计哲学有三个关键原则：

• 记忆即一等公民：记忆不是对话历史的副产品，而是独立的、结构化的、可检索的知识单元
• 推理时提取而非存储时索引：不是把整段对话塞进向量库，而是用 LLM 从对话中提取离散事实
• 多信号融合检索：语义相似度 + BM25 关键词 + 实体匹配，三路信号并行打分后融合

2026 年 4 月的新算法（V3）在 LoCoMo 基准上从 71.4 提升到 92.5，LongMemEval 从 67.8 到 94.4，核心改进是将原来的 add/update/delete 三步 LLM 调用简化为单次 ADD-only 提取——记忆只增不删，依赖检索排序来衰减过时信息。

（更多…）

项目: assafelovic/gpt-researcher

Stars: 29k+ | License: Apache 2.0 | 语言: Python

定位: 首个开源深度研究 Agent，支持 Web 和本地数据源的自主研究与报告生成

1. 整体架构概览

GPT-Researcher 采用 技能化（Skills-based）分层架构，核心是一个中央协调 Agent（GPTResearcher 类），通过组合多个专职技能模块完成研究流程。架构灵感来自 Plan-and-Solve 和 RAG 论文。

┌─────────────────────────────────────────────────────────┐
│                    GPTResearcher (Agent)                 │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────────┐  │
│  │ Research  │ │ Context  │ │  Report   │ │   Deep     │  │
│  │ Conductor│ │ Manager  │ │ Generator │ │  Research  │  │
│  └────┬─────┘ └────┬─────┘ └────┬─────┘ └─────┬──────┘  │
│       │            │            │              │         │
│  ┌────┴────┐ ┌─────┴─────┐ ┌───┴───┐   ┌─────┴──────┐  │
│  │Retrievers│ │Compressor │ │Writer │   │Source      │  │
│  │(Web/MCP/ │ │(Embedding │ │(LLM)  │   │Curator     │  │
│  │ Local)   │ │ Filtering)│ │       │   │            │  │
│  └─────────┘ └───────────┘ └───────┘   └────────────┘  │
│                                                          │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────────┐  │
│  │  Memory  │ │  Config  │ │  LLM     │ │  Browser   │  │
│  │(Embeddings│ │ Manager  │ │ Provider │ │  Manager   │  │
│  │ + Vector) │ │          │ │          │ │            │  │
│  └──────────┘ └──────────┘ └──────────┘ └────────────┘  │
└─────────────────────────────────────────────────────────┘

Agent 核心类的初始化展示了其模块化组合设计：

class GPTResearcher:
    def __init__(
        self,
        query: str,
        report_type: str = ReportType.ResearchReport.value,
        report_source: str = ReportSource.Web.value,
        tone: Tone = Tone.Objective,
        source_urls: list[str] | None = None,
        vector_store=None,
        config_path=None,
        websocket=None,
        agent=None,
        role=None,
        parent_query: str = "",
        subtopics: list | None = None,
        mcp_configs: list[dict] | None = None,
        mcp_strategy: str | None = None,
        **kwargs
    ):

该构造函数暴露了 20+ 个可配置参数，覆盖报告类型、数据源、LLM 角色、MCP 集成等维度，体现了高度可定制性。

（更多…）