与 RAG / 聊天历史 / Mem0 的差异定位

文档摘要

与 RAG / 聊天历史 / Mem0 的差异定位本节摘要:讲了这么多「Agent Memory」的价值,自然会有一个问题:它和聊天历史、和普通 RAG、和已有的记忆方案(如 Mem0)到底差在哪?本节用一张七维度对照表把这些差异钉死。核心论点是:RAG 解决「能查到什么」,而 Agent Memory 还要解决「谁可以用、哪个版本有效、应该给哪个 Agent」——它比 RAG 多出的是「治理维度」。对照表之后,本节还会点出它在「记忆形态」上的独特之处(四类资产 + 四层生长),帮你在选型时做出准确判断。

与 RAG / 聊天历史 / Mem0 的差异定位

本节摘要:讲了这么多「Agent Memory」的价值,自然会有一个问题:它和聊天历史、和普通 RAG、和已有的记忆方案(如 Mem0)到底差在哪?本节用一张七维度对照表把这些差异钉死。核心论点是:RAG 解决「能查到什么」,而 Agent Memory 还要解决「谁可以用、哪个版本有效、应该给哪个 Agent」——它比 RAG 多出的是「治理维度」。对照表之后,本节还会点出它在「记忆形态」上的独特之处(四类资产 + 四层生长),帮你在选型时做出准确判断。

一、七维度对照表

把四种方案在七个维度上逐项对比:

维度	聊天历史	普通 RAG	Mem0 类记忆	Agent Memory
跨会话理解用户	△	△	✅	✅ Chat Memory
沉淀可执行经验(Skill)	—	—	△	✅
文档结构与关系	—	△ 切片检索	—	✅ Wiki + 链接图谱
代码调用与影响范围	—	△ 文本命中	—	✅ CodeGraph
Owner / 版本 / 状态	—	—	△	✅
团队分享与 Agent 配装	—	—	—	✅
私有 / 团队 / ACL 可见性	—	△	△	✅

读这张表的关键是看「最右列独占的维度」——那是 Agent Memory 真正填补的空缺。

二、逐维度看差异的本质

维度一:跨会话理解用户

聊天历史只在单个会话窗口内有效;普通 RAG 检索的是文档而非「用户这个人」;Mem0 类方案开始记住用户偏好;Agent Memory 用 Chat Memory 的 L0-L3 分层,不仅记住偏好,还能逐层提炼出稳定画像。

差异本质:同样是「记住用户」,Agent Memory 多了「分层」——L3 画像让 Agent 秒进语境,L1 事实让精确召回,详见第 4 章。

维度二:沉淀可执行经验

这是 Agent Memory 与前两者最大的形态差异。Skill 不是「检索到的文字」,而是带版本、资源、触发、步骤、验证的「可执行流程」——练会一次,全队可用。


普通 RAG 检索到的「经验」:  一段文字描述怎么做
Skill 形态的「经验」:       可执行流程(步骤+验证+资源),可回滚可分享

维度三与四:文档与代码的结构化

普通 RAG 对文档和代码都是「切片 + 文本命中」——能找到「包含某词的片段」,但不理解结构。Agent Memory 的 Wiki 给文档建链接图谱、CodeGraph 给代码建调用与影响图,这是「结构化知识」对「扁平切片」的代差。

💡 技巧:判断你需要 RAG 还是 Agent Memory,看一个问题:「你要的是『找到包含某词的片段』,还是『理解文档/代码的结构与关系』?」前者 RAG 够用,后者需要 Wiki/CodeGraph。

维度五、六、七:治理维度(最关键的差异)

这三个维度是 Agent Memory 独占的,也是它与所有「纯记忆/纯检索」方案的根本分野:

治理维度	含义	为什么重要
Owner / 版本 / 状态	资产有归属、可回滚、有可用状态	经验会过时,要能管理生命周期
团队分享与 Agent 配装	资产能在团队流动、按 Agent 装配	经验要能被对的 Agent 用上
私有 / 团队 / ACL	精确控制谁能看	共享经验不等于共享全部隐私

⚠️ 注意:RAG 的世界是「flat」的——所有切片平等,谁都能检索。Agent Memory 的世界是「governed」的——每条资产都有 Owner、版本、可见性,「谁能用」和「能用什么」是被管理的。这个治理维度,是它面向「团队」而非「个人」的根本原因。

三、与 Mem0 类方案的差异:不只是记住

Mem0 这类专门做 Agent 记忆的方案,在「记住用户」上与 Agent Memory 接近,差异主要在三处:

对比项	Mem0 类	Agent Memory
记忆形态	主要是扁平事实/偏好	四类资产 + 四层生长
治理维度	较弱(偏个人)	Owner/版本/可见性/团队配装齐全
知识维度	多为对话记忆	额外有 Wiki/CodeGraph 知识地图

一句话概括:Mem0 类方案解决「个人 Agent 的记忆」,Agent Memory 解决「Agent 团队的记忆资产治理」。前者是「一个大脑」,后者是「一支队伍的经验库」。

四、选型建议:什么时候用什么

把差异落到选型决策上:


你的场景是什么？
  ├─ 只要在单会话内连贯对话          → 聊天历史就够
  ├─ 要检索文档片段,不关心结构与治理  → 普通 RAG 够用
  ├─ 个人 Agent,只要记住我的偏好     → Mem0 类方案可考虑
  └─ 团队用多个 Agent,要经验沉淀、
       流动、治理、按身份配装         → Agent Memory(本系统)

关键概念:Agent Memory 不是要「取代」前三者,而是在「团队 + 多 Agent + 需要治理」这个特定象限里,补上前三者都缺的维度。如果你的场景落在前三个,用前三者更简单;落在第四个,才是本系统的目标场景。

本节要点回顾

对照看最右列:Agent Memory 独占的维度(Owner/版本/状态、团队配装、可见性)是它真正填补的空缺。
形态差异:Skill 是「可执行流程」非文字片段;Wiki/CodeGraph 是「结构化图谱」非扁平切片——这是对 RAG 的代差。
治理是根本分野:RAG 是 flat 的(切片平等),Agent Memory 是 governed 的(每条资产被管理)——这是面向团队的根本原因。
与 Mem0 的差异:Mem0 是「个人 Agent 的大脑」,Agent Memory 是「Agent 团队的经验库」,差在形态丰富度与治理维度。
选型非取代:前三者在各自象限仍是更简单的选择,本系统专攻「团队 + 多 Agent + 治理」象限。

地图章到此完成。从第 3 章起,我们深入这套系统的内部——先看四类资产如何被统一登记与治理。