
Agent Memory 全景图:最近三个月最值得看的 5 条路线
最近三个月,X.com 上关于 Agent Memory 的讨论明显从“要不要记忆”升级到“应该用哪种记忆架构”。这篇文章把主流路线压成一张图。

最近三个月,X.com 上关于 Agent Memory 的讨论明显从“要不要记忆”升级到“应该用哪种记忆架构”。这篇文章把主流路线压成一张图。

结合 2026-01-22 到 2026-04-22 之间 X.com 的热门讨论和官方文档,梳理 OpenClaw 最近三个月最值得关注的架构变化。

过去两个月,Claude Code 的 memory 讨论从“有没有记忆”升级到“记忆如何加载、如何忽略、如何审计”。这层设计其实很值得学。

最近三个月 X.com 上最常被拿来和 OpenClaw 对比的新项目是 Hermes Agent,但它真正的差异不在“换个模型”,而在学习闭环和运行时设计。

过去三个月,Claude Code 在 X.com 上的讨论已经从“怎么用”升级到“底层怎么编排”。这篇文章把官方文档和社区外推分开看。

最近两个月,Mastra 最值得看的不是又加了哪个工具,而是 Observational Memory 这套“稳定上下文”路线。它代表了 agent memory 的另一种答案。

最近三个月,Letta 最值得看的更新不是“又支持了什么模型”,而是它把记忆系统继续推向了 memory-native runtime:MemFS、Context Repositories、Context Constitution。

从最近三个月 X.com 的高频讨论退一步看,这三个项目分别代表消息入口型、自进化型和高约束编程型 Agent Runtime。

最近三个月,大家讨论 Agent Memory 时越来越离不开 LongMemEval、LoCoMo、ConvoMem 和 MemoryBench。原因很简单:没有统一评测,记忆系统很容易只剩故事。

最近三个月 X.com 上关于 vibe coding 的讨论开始从“写得快”转向“能不能维护”。真正拉开差距的,不再是生成速度,而是维护 Skill。

2026-04-15 的 OpenAI Agents SDK 更新很值得看,因为它不再只是“给你一个 agent loop”,而是在补 workspace、sandbox、memory、manifest 这些真正影响生产的基础设施。

最近三个月,X.com 上关于 Skills 的讨论越来越像在谈“新的程序组织方式”而不是“提示词模板”。这背后其实是 runtime 设计的变化。

最近三个月,X.com 上最能代表“新一代 vibe coding 工作流”的例子之一,就是用 Chrome MCP 和并行 Agent 高保真复刻网页。

很多人提到 Google ADK 时只会说“又一个 Agent 框架”,但从当前官方文档看,它真正的价值在 Runtime、Workflow Agents、Bidi Streaming 和 Resume 这些执行层能力。

最近三个月最值得关注的设计侧信号,不是“AI 帮你画草图”,而是 Agent 开始直接操作 Figma 画布和设计系统。

最近三个月,Microsoft Agent Framework 逐渐从“预览中的统一项目”变成越来越清晰的生产框架:Agents、Workflows、Session、Middleware、Telemetry 全都在一层里。

最近这批 Agent 框架里,Strands 有个非常清楚的取向:把 agent loop、observability、agents-as-tools 这些生产侧问题正面写进文档,而不是留给团队自己摸索。

Anthropic 重构 Claude Code 桌面端,引入并行 Session 与云端 Routines,让 Agent 真正走向"托管式自动化"。

最近三个月,X.com 上关于 Agent Memory 的讨论开始具体化。GBrain 值得看,因为它不是再造一个聊天记录,而是在做可迁移、可检索、可整理的记忆层。

最近三个月,一个特别值得注意的趋势是:多 Agent 系统开始不再满足于固定拓扑,越来越多工作开始研究 query-aware orchestration 和可学习的角色分工。

最近三个月,Agent 安全讨论开始从“担不担心”升级到“默认权限模型是什么”。这件事已经决定了哪些系统能真的进生产。

MIT Technology Review 用一组图表展示 2026 年 AI 行业全景——谁领先、谁在追赶、资本流向何处。

最近三个月,Agent 评测正在从“看看演示视频”变成“拿统一考卷和自动生成评测集来跑”。这对真正做产品的人很重要。

Visa 推出面向 AI Agent 的统一支付平台,让 Agent 能自主浏览、选择、支付商品——Agent 经济的关键拼图。

Cursor 3 不是 IDE 更新——而是一次产品形态的重构,核心是多 Agent 并行管理。

GStack 值得看的地方,不是“又一套提示词”,而是它把 Vibe Coding 从单线程聊天,改造成了带角色和步骤的团队式流水线。

如果说前几个月 OpenClaw 还偏向“功能扩张”,那最近这轮更新更像是在补 Agent 运维层:任务板、护栏、信任持久化都在往生产化靠。

MCP 团队发布 2026 路线图与新的维护者架构——从实验协议转向企业级基础设施的关键一步。

真正的差距不在于谁用了更好的模型,而在于谁把工程经验编码成了可复用的流程模块。

觉得 AI 编程助手很神奇?这个开源项目用 12 节课,带你从零实现一个 Claude Code。

一台服务器上跑 5 个 OpenClaw 实例的多 Agent 架构,涵盖资源隔离、端口规划和进程管理。

RAG 是「开卷考试」,MCP 是「USB 接口」,Agent 是「自主员工」——AI 能力三级跳。

应用层产生超 10 亿美元新收入,消费者已愿意每月支付 200-300 美元的 AI 服务费。

AI Agent 像匹不守规矩的马,Harness 是让它跑得快又不跑偏的缰绳——从 Prompt 工程到 Agent 驾驭。

Santiago 的 CLAUDE.md 最佳实践——规划优先、代码审查、简洁性原则。

直接来自 Claude Code 团队的一手技巧:计划模式、记忆系统、CLAUDE.md 上下文管理。

过年期间写的万字长文,梳理 2026 年 Agent 发生了什么变化——为什么大家都这么焦虑。

Google Chrome 团队 Addy Osmani 的 AI 编程工作流——小步迭代,始终审查 AI 的建议。

Claude Code 创始人 Boris 解释:我们试过 RAG,但基于 Agent 的关键词搜索效果更好。

Claude Code 团队的一手经验——如何设计让 AI Agent 高效调用的工具接口。

异步架构原生支持实时中断,把智能体开发、部署、监控打包成一条生产线。

吴恩达与 Anthropic MCP 负责人合作课程,手把手教你用 MCP 构建可访问工具和数据的 AI 应用。

a16z 深度分析 MCP 协议——AI 模型标准化调用外部工具的开放协议,解决工具集成碎片化。

涵盖从生成式 AI 基础到高级 Agentic RAG 系统的 12 个关键步骤完整学习路径。