记忆不在存，而在取

关于记忆系统，多数讨论从「用什么存」开始：向量库、知识图谱、文件系统、还是关系库。横向看过几套系统之后，会发现这个起点偏了。

存储形态的差别在工程上很大，在能力上的差别却未必。真正拉开距离的是另一个问题：记忆什么时候被取出来，以及由谁来决定取哪一条。

一　五种定位

五种定位对应五种假设。MemOS 假设「记忆需要一个统一的操作系统」；OpenViking 假设「记忆应当像文件一样可浏览」；Hindsight 假设「记忆的价值在于学到，而不在于记住」；Second Me 假设「记忆的终点是一个可训练的身份」；MetaMem 假设「瓶颈不在存储，而在知识利用率」。

假设不同，形态就不同。这比争论「该用哪个存储后端」有意义得多。

二　存储的三条路线

五套系统的存储选择可以归为三条路线。

第一条是专用后端。MemOS 用 SQLite 加向量加图，Hindsight 用 PostgreSQL 加向量加知识图谱。这条路线能力强、可表达的关系复杂，代价是引入了需要运维的依赖。

第二条是文件系统隐喻。OpenViking 用一套虚拟文件系统加向量索引，检索方式是「目录递归」——先定位目录，再逐层钻取。它的三层结构（L0 抽象 / L1 概览 / L2 详情）把「粒度」显式做成了存储层级。这条路线的优势是可观测：检索轨迹本身可以被看见。

第三条是本地文件加权重。Second Me 把记忆蒸馏为 LoRA 权重。这条路线最激进——它不把记忆当作被检索的数据，而当作被训练进模型的倾向。代价是更新慢、可解释性弱。

三条路线没有优劣，只有与定位的匹配度。值得注意的是：三条路线都花了相当力气在分层上。L0/L1/L2 这个分级在不同系统里反复出现，说明「粒度」是记忆系统的共性难题，与存储形态无关。

三　取回时机的分野

真正拉开差距的是这一节。

四套系统的取回时机由调用方或模型决定。也就是说，「现在该不该想起这件事」这个问题，被留给了使用者。

这在多数场景下是合理的：应用知道自己在做什么。但它有一个结构性后果——如果没人记得去查，记忆就等于不存在。系统的能力上限被调用方的自觉程度封住了。

MetaMem 是唯一从另一个角度切入的：它不关心存了什么，只关心「学到的经验能不能用得上」。它把知识利用率本身当作优化对象，用自反思迭代来过滤。这个角度与「取回」相关但不等价——它问的是「已经取回来的东西，有没有被用对」。

四　巩固与蒸馏

五套系统都有巩固机制，形态差别很大。

MemOS 用自然语言反馈来修正、补充、替换记忆——把「改记忆」变成一次对话。OpenViking 在会话提交后异步提取偏好与经验。Hindsight 的保留 / 召回 / 反思三操作循环，把巩固做成了记忆的常规代谢。Second Me 做 L0 到 L1 到 L2 的层级蒸馏，终点是权重。MetaMem 用自反思加环境反馈，迭代蒸馏出可迁移的经验。

这些做法的共同点是：巩固不与写入同时发生。写下来的是原料，巩固发生在之后，且往往需要额外的判断。

这一点在实践中常被忽略。多数系统的写入路径很顺畅，巩固路径却没有触发条件——于是记忆只进不出，越积越厚，信噪比逐日下降。

五　可借鉴之处

横向看下来，有三处值得我们借鉴。

其一，把粒度做成层级。L0/L1/L2 的反复出现不是巧合。它把一个难题（一条记忆该切多大）转化为另一个更可解的问题（不同场景读不同层）。

其二，让检索轨迹可见。OpenViking 的目录递归有一个副作用：检索过程本身可被观察。相比一次向量查询返回一组分数，可浏览的轨迹更容易排查，也更容易让使用者建立信任。

其三，正视「没人去查」这件事。四套系统把取回时机交给调用方，这是合理的设计选择；但如果要突破这个上限，就得有人把「取回时机」本身当作设计对象。这正是 MetaMem 那一问的价值所在——只是它问得更远一层：取回来了，用上了吗？

最后需要说明本文的证据边界：上述对照基于各系统的公开文档与仓库自述，其中部分数字来自二次转述。本文不对任何一方的性能主张作独立验证。