为什么单结构记忆总有盲区
多数智能体记忆系统押注单一组织方式：要么是一堆向量化的文本块，要么是知识图谱，要么是事实库。问题在于，用户要智能体记住的是好几类根本不同的信息——什么在什么时候变了、谁和什么项目有关联、哪些是已经坐实的稳定事实。把这些都塞进同一个结构，迟早会继承那个结构的盲区：向量库不擅长表达时间顺序，扁平文档库答不出跨会话的人物关系。Agent Zero Memory 的核心判断是：与其硬凹一个万能仓库，不如并行维护三个各司其职的记忆系统。
三重平行记忆：事件、图谱、文档
系统把用户的对话、文件与连接来源提炼成三套平行记忆，各自捕捉同一段历史的不同切面。其一是 episodic Memory Events 时间线，把「何时、发生了什么变化」当成一等公民，回答「上周改了什么」这类时间相关问题；其二是 associative entity-event 知识图谱，把人和项目跨会话连起来，回答「谁在和谁合作」这类关系问题；其三是语义化的 Hierarchical Documentary Memory（HDM），存放经过整理、带引用锁的稳定事实，让智能体可以自信地陈述已确立的知识，而不是每次临时推导。三者并行，检索时按内容路由，复杂度更高，但换来的是精度而非单纯的架构优雅。
溯源纪律：每条记忆都带「证据指针」
比精度更关键的是论文强调的阅读纪律。系统规定：每一个被学会的条目都是溯源条目，必须携带来源、时间戳与证据指针；每一个答案都在「引用锁」之下生成，只能引用读者实际打开过的证据。 fabricated 内容被从结构上排除——智能体宁可 abstain（表示没有可溯源的答案）也不瞎猜。对一个长期运行的智能体，这点尤为要紧：如果一条被说过一次的信息因为没人能追溯来源就被当成既定事实记住，它就会在真实工作流里被当成依据去行动，而基准分数根本测不出这种代价。
检索怎么跑：意图门控加源路由加三路并发
一次检索回合先过意图门控，让自包含的请求不加任何延迟；随后是源路由，决定走哪套记忆；然后是三路并发的 agentic 检索，每路都是一个在混合（向量加词法）检索之上、受智能体可控过滤器约束的工具使用循环。三路的带证据答案被融合成单一带置信度的回答。底层用单个 PostgreSQL 实例承载，事件、实体-事件图节点边、文档记忆条目都以带溯源的关系方式存储，稠密检索用 pgvector 的 3072 维余弦相似度，词法检索结合 BM25 与模糊字符串匹配，各通道取 top-K 后在 k 等于 60 处做倒数排名融合。
成绩：LongMemEval 95.6%、LoCoMo 93.6%
在两个成熟且接近饱和的公开基准上，Agent Zero Memory 刷新了纪录：LongMemEval 95.60%，比此前最强的 Mastra（94.87%）高 0.73 点，把 Zep 这类基线（71.20%）远远甩在身后；LoCoMo 93.60%，领先 Mem0（92.50%）与 ByteRover 2.0（92.20）1.10 点。论文特意指出，这些提升由多个不同 backbone 达成，说明增益来自记忆底座而非单一模型。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
成本发现：质量由记忆驱动，而非模型
论文最值得工程团队立刻借鉴的，是那张 accuracy-cost-latency 边界。在八个不同的 backbone 上，精度只差 3.4 个点，而每查询成本差了约 30 倍。最优精度配置（gpt-5.5，95.60%）既非最快也非最便宜；glm5.2fast 以中位 6.16 秒拿下最快（93.00%），deepseek-v4-pro 以每查询约 0.001768 美元、精度仅降 3.4 点实现约 20 倍的成本下降。换句话说，选哪个模型跑这套记忆系统，对成本影响巨大、对质量影响有限——这正是「memory-driven quality」而非「model-driven quality」的实证。
落地启示：把「宁可说不知道」写进系统
对正在给智能体加长期记忆的团队，Agent Zero Memory 给出两条可直接迁移的思路。一是别再只用一个向量库，把时间线、关系、稳定事实拆成不同结构，检索时按需路由；二是把 abstain 当成一等公民行为来设计，让智能体在缺乏可溯源证据时明确说「我没有依据」，而不是产出听起来合理却无法验证的答案。论文已把代码、评测协议与基准数据开源，企业级复现门槛不高。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
结语
Agent Zero Memory 的意义不止于两个分数。它用三重平行记忆加溯源纪律，把「智能体会不会记住假信息并当成真事去办」这个生产级风险，从提示词层面挪到了架构层面。在记忆这条赛道上，真正稀缺的可能不是更大的模型，而是愿意为每条记忆贴上证据指针的纪律。