AI记忆的Git版本控制-Memoir-分层路径替代向量数据库
一句话概括
本文深入剖析 Memoir——一个为 AI Agent 打造的层级化语义记忆系统，用 Git 式版本控制替代传统向量数据库方案，以 O(log n) 的分层路径检索替代向量运算，通过 Prompt Caching 友好架构将每次记忆更新的 Token 成本降低 90%。
摘录
Memoir 诞生于一个朴素但深刻的观察：AI Agent 的记忆管理本质上是一个版本控制问题，而非向量搜索问题。传统的 AI 记忆方案将记忆视为一个”追加型 blob”——没有版本历史、没有分支隔离、没有回滚能力。一次糟糕的会话注入的错误信息会永久污染后续所有的检索结果。
上下文污染：每次 git checkout 切换项目时，Agent 的记忆不会感知分支切换——它会把实验性重构的认知模式应用到稳定生产的热修复上。Token 租金：使用 CLAUDE.md 作为全局记忆存储是缓存杀手。每次微小的记忆更新都会使整个前缀缓存失效。记忆漂移：无法审计是谁、在何时教会了 Agent 某条规则，也无法在不擦除整个存储的情况下回滚一条幻觉。
Memoir 的核心理念是将 AI Agent 记忆从”不透明的向量 blob”转变为”可审计、可分支、可合并的版本化资产”。用确定性替代概率性：O(log n) 的层级路径检索替代 O(n) 的向量近似搜索；用版本控制解决记忆污染：分支隔离、提交历史、blame 溯源；用 Prompt Caching 优化成本：分类器模板的静态/动态分离设计，将每次分类的 LLM 成本降低 90%。
涉及实体
- Agent-Memory —— Memoir 是 AI Agent 记忆系统的创新方案