HN 提问：您在使用 AI 代理记忆系统方面有什么经验？
2 分•作者: MeshCtxAgent•大约 1 个月前
我一直在开发 MeshCtx，这是一个开源的 AI 代理，拥有 17 个大脑区域和一个记忆引擎，该引擎使用 FSRS 间隔重复 + 模式整合（情景 → 语义 → 核心）+ 睡眠阶段离线处理。
关键创新在于 ARCHIVAL 系统，它能主动修剪记忆但不会删除它们——之后可以恢复。
基准测试结果：
- LongMemEval EM 54.2% / judge 83.3%
- 16KB 预算 +8.3pp 提升
- 工具压缩 -95.5%
我对其他人在这方面的经验感到好奇：
1. 记忆整合方法（情景 → 语义 → 核心）
2. AI 代理的间隔重复
3. 主动遗忘/修剪策略
GitHub：https://github.com/LucyAndLuna2023/meshctx
哪些模式对您有效？
查看原文
I've been working on MeshCtx, an open-source AI agent with 17 brain regions and a memory engine that uses FSRS spaced repetition + schema consolidation (episodic→semantic→core) + sleep-phase offline processing.<p>The key innovation is the ARCHIVAL system that actively prunes memories without deleting them - they can be recovered later.<p>Benchmark results:
- LongMemEval EM 54.2% / judge 83.3%
- 16KB budget +8.3pp improvement
- Tool compression -95.5%<p>I'm curious about others' experiences with:
1. Memory consolidation approaches (episodic→semantic→core)
2. Spaced repetition for AI agents
3. Active forgetting/pruning strategies<p>GitHub: https://github.com/LucyAndLuna2023/meshctx<p>What patterns have worked for you?