打开一个重度使用 AI 编程工具的开发者电脑，里面通常同时躺着至少 4 种互不相通的记忆文件：代码仓库根目录下的 AGENTS.md 或 CLAUDE.md、Cursor 的 .cursor/rules/*.mdc 规则、Anthropic 记忆工具写入的 /memories 目录、28 天不用就自动清除的 GitHub Copilot Memory，以及挂在后台的 MCP JSONL 知识图谱。2026 年 11 月 8 日，开源记忆工具 LoreKit 作者（同时也是可观测性公司 Dash0 工程师）在博客与 Reddit 发起倡议，呼吁社区复刻 2019 年 OpenTelemetry 的历史，为智能体记忆敲定一套通用底座。痛点极真，但药方开错了。AI 记忆面临的根本不是缺少一套 JSON 格式，而是各家对记忆是什么存在底层认知分裂与商业利益锁死。
九种记忆流派混战，连导出和实时寻址都没分清
今天的 AI 工具链里，CI 流水线代理踩过的坑，本地编辑器里的代理读不到，换个代码审查机器人更是从零开始。LoreKit 作者盘点了 2026 年末市面上主流的 9 大记忆流派：从静态指令文件、模型自管目录、GitHub 托管仓库事实，到 Letta、Mem0、LangGraph BaseStore、MCP 参考图谱、Graphiti/Zep 时序图谱以及 LoreKit 自身的寻址记录。
光是怎么遗忘，各家就完全尿不到一个壶里：指令文件靠人手动删，GitHub Copilot 默认 28 天不用即焚，LangGraph 读取时自动续期 TTL，而 Graphiti 干脆不删数据，靠记录事实生效与写入的双时间轴来标记失效。
社区并非没有尝试过打通。MacPaw 推出过基于 JSONL 加清单文件、支持字节级复现与删除传播墓碑的 Portable Memory v1.1（.mem）规范；2026 年 4 月出现了用带清单的 ZIP 包迁移对话与衍生记忆的 Open Memory Protocol 草案；Cognee 做了能从 Mem0、Letta 和 Zep 导入数据的 COGX 格式；学术界也有论文（arXiv 2606.01138）提出包含 remember、recall、forget、merge、expire 五大统一原语与后端适配器的 AMP/memorywire 方案。
但这批方案大多只盯着个人记忆从 A 厂商搬到 B 厂商的离线导出，漏掉了多工具协作时更要命的实时寻址：当 CI 任务、本地 IDE 和审查机器人同时读写同一个代码库时，它们怎么指向同一个地址并对齐语义？更尴尬的是，即便 LoreKit 作者把博文链接起名为 open-agent-memory-format，他目前也只给出了一张包含作用域、键值与写入者身份的 Markdown Frontmatter 草图，公开渠道连一个可验证的 GitHub 规范仓库或可下载 Schema 都还没有。而技术演进的速度远快于他的盘点，被他在表格里归类为字符受限常驻上下文块的 Letta，实际技术重心早已转向基于 Git 的记忆文件系统 MemFS，并推出了 .af（Agent File）格式来序列化整个智能体状态。
为什么 MCP 与 Linux 基金会救不了记忆孤岛
很多人直觉以为，既然 MCP 已经普及，Linux 基金会也在 2025 年 12 月 9 日成立了 Agentic AI Foundation（AAIF），把记忆标准塞进去顺理成章。这种乐观经不起协议细节与组织机制的推敲。
社区常把三种完全不同维度的互通混为一谈：
- 客户端共享调用.根据 MCP 服务端工具规范（2025-11-25 版），MCP 解决的仅仅是客户端如何发现并调用同一个记忆服务。协议本身根本没有规定通用的记忆数据结构，也没有定义标准的
remember操作原语，每个记忆 MCP 服务端都在各自定义工具名与入参。 - 数据跨库迁移.把数据从一个后端导出再导入另一个后端。去翻看 MCP 官方参考记忆服务端（
src/memory/index.ts）的源码就会发现，它底层只是用 JSONL 存一下实体、字符串观测值和有向关系，检索全靠大小写不敏感的子串匹配，核心 Schema 里既没有来源追溯、置信度，也没有时间有效期和权限策略字段；就连 Graphiti 的参考服务端文档也明确声明省略了认证与授权机制。 - 运行时行为可移植.就算数据搬过去了，不同智能体在什么时机触发检索、怎么把记忆拼进上下文、何时判定旧记忆失效，目前没有任何标准能管到这一层。
指望 AAIF 像当年 CNCF 撮合 OpenTelemetry 那样一锤定音，同样看错了棋局。2019 年 5 月 21 日，OpenTracing 与 OpenCensus 宣布合并为 OpenTelemetry，前提是这两家本来就是功能高度重叠、互相内耗的采集标准，合并是为了保住向后兼容并终结重复埋点。反观 AAIF 的创始捐赠项目——Anthropic 的 MCP、Block 的 goose 与 OpenAI 的 AGENTS.md，三者分别是连接协议、智能体框架和仓库静态说明，属于互不踩脚的互补项目。Anthropic 在捐赠同日的官方声明里更把话挑明了，MCP 移交基金会后治理模式保持不变。AAIF 只是一个中立托管屋顶，根本没有强行捏合各家商业记忆厂商底层 Schema 的授权。
遥测类比的裂痕与 94% 跑分背后的利益算盘
把智能体记忆比作 2019 年前的可观测性，听着极其顺耳，实则漏掉了最致命的底层差异。
遥测记录的是既成事实，记忆构建的是主观认知。
可观测性采集的 Span、Metric 和 Log 是客观机器事件，一次 HTTP 请求包含状态码、耗时、服务名，全行业毫无争议。而智能体记忆是对认知状态的主观建模：你是把记忆当成带双时间轴的图谱边（Graphiti/Zep），还是当成大模型从对话里提炼出的碎片事实（Mem0），抑或是 Git 版本控制的 Markdown 文件树（Letta MemFS）？一旦把 Zep 的双时间轴图谱降维塞进扁平的键值对或通用 Markdown 记录里，机器可读的时间演化语义、关系拓扑与证据引用必然发生有损压缩。
更深一层的阻力来自商业算盘。司马迁在《史记》里写透了行会与标准的底牌，天下熙熙，皆为利来。当年可观测性厂商愿意让出采集端标准，是因为它们靠后端的海量日志存储与查询分析赚钱，统一采集反而省了帮客户重新埋点的拓客成本。
但今天的独立记忆厂商，命根子就长在私有的记忆提取管线与专属存储结构上。看看各家怎么打广告就明白了：Mem0 在 2025 年 4 月论文里主打比 OpenAI 记忆基线相对提升约 26%，并在 LoCoMo 基准上刷出 92.5%、LongMemEval 刷出 94.8%；Zep 紧接着在 2026 年 6 月亮出 LoCoMo 94.7%、LongMemEval 90.2% 的成绩单。
热闹的跑分背后藏着两个没人爱提的真相。一来，Letta 在 2025 年 8 月 12 日公布过一组打脸实验，仅用轻量的 GPT-4o-mini 搭配本地文件迭代搜索，什么复杂图谱和向量库都不上，就能在 LoCoMo 上拿到 74.0% 的准确率——纯文件检索本身就是极强的基线，那些高分很大程度上混杂了底层大模型选型、检索 Token 预算和提示词调优的水分。二来，所有评测都在考单系统内部召回，没有任何一家评测过把数据从 Mem0 导出、塞进 Zep 再导回 Letta 后的往返保真度（Round-trip）与删除同步。如果真按 LoreKit 设想的那样用一套公共格式抹平底层，垂直记忆厂商瞬间就会沦为随时可替换的管道，护城河只能被迫退守到合规托管与权限隔离；与此同时，GitHub Copilot 正靠着代码引用绑定与 28 天自动生命周期把开发者锁在自家生态里。两边都没有动力替对手修桥。
- 风险.把共享记忆当成跨工具总线会直接放大提示词注入（Prompt Injection）与越权污染面，而现有参考实现连最基础的写入签名与权限边界都处于裸奔状态。
那普通工程团队现在该怎么办？等大一统标准落地黄花菜都凉了。即便未来出现妥协产物，大概率也只是管住作用域、时间戳、写入者身份与代码依赖指针的最小元数据信封，信封里装的依然是各家互不兼容的方言。
- 建议.工程团队在架构设计上应自己掌控原始会话日志、Git 提交上下文与带明确溯源的 Markdown 事件归档，把 Mem0、Zep 或各类向量图谱一律当成随时可以推倒重建的只读派生索引。
当年秦始皇车同轨、书同文，靠的是郡县制与强权推平六国坞堡；今天 AI 编程工具连一台笔记本里的 4 种记忆文件都打不通，恰恰是因为每座孤岛背后都站着一位想收过路费的诸侯。与其盼着诸侯们在基金会里握手言和，不如先把原始底账锁进自己的代码库。