01一句话结论
Agent Memory 赛道的绝对标杆：YC S24 商业公司（mem0.ai）开源核心，3 年积累 62.8k stars、PyPI 累计下载 3,858 万、npm 月下载 39.2 万。商业模式是"开源 SDK 引流 + 托管平台变现"，2026 年 4 月的新记忆算法在 LoCoMo / LongMemEval / BEAM 上刷到 SOTA。
62.8k
GitHub Stars
3858万
PyPI 累计下载
39.2万
npm 月下载
92.5
LoCoMo 得分
02基本盘
| 项目 | 数据 |
|---|---|
| 全名 | mem0ai/mem0——"Universal memory layer for AI Agents" |
| 创建时间 | 2023-06-20（约 3 年） |
| Stars / Forks | 62,790 / 7,322 |
| License / 语言 | Apache 2.0 / Python（附 TypeScript SDK mem0ai@3.1.5） |
| 公司背景 | Y Combinator S24（Deshraj Yadav 等创始团队） |
| 产品形态 | 开源 SDK + 自托管 Server + Mem0 Cloud 托管平台 |
| 维护节奏 | 天天提交（最后推送 2026-08-07），核心团队 15+ 全职 |
03记忆算法（2026.4 新版：护城河）
实体链接示意：用户与记忆节点通过实体（location/project）相连，检索时按实体跨记忆提升召回
Single-pass ADD-only
一次 LLM 调用，只新增不 UPDATE/DELETE——记忆只累积、不覆盖，避免旧记忆被错误改写
Agent 事实一等公民
Agent 确认过的动作/结果，与用户偏好同等权重入库
实体链接
提取实体 → 嵌入 → 跨记忆链接，检索时按实体增强召回
时间推理
时间感知检索：区分"当前状态 / 过去事件 / 未来计划"
还有多信号检索：语义向量 + BM25 关键词 + 实体匹配并行打分后融合。
04Benchmark（社区公认标准）
| Benchmark | 旧算法 | 新算法 | Tokens | 延迟 p50 |
|---|---|---|---|---|
| LoCoMo | 71.4 | 92.5 | 7.0K | 0.88s |
| LongMemEval | 67.8 | 94.4 | 6.8K | 1.09s |
| BEAM (1M) | — | 64.1 | 6.7K | 1.00s |
| BEAM (10M) | — | 48.6 | 6.9K | 1.05s |
诚实声明（README 原话）：分数跑在托管平台上（含专有优化），开源 SDK 用户预期"方向性相近但不完全一致"；评测框架已开源（memory-benchmarks 仓库），任何人都能复现。
05生态广度：接入自由到奢侈
27
种向量存储
18+
LLM 提供商
13+
Embedding
10+
框架集成
它还有 OpenClaw 插件（@mem0/openclaw-mem0）：skills mode——agent 自己决定记什么（triage）/怎么召回（recall）/定期清理（dream），autoRecall + autoCapture 默认开。和腾讯方案的"自动捕获"路线正好相反。
06三形态交付
| 形态 | 说明 |
|---|---|
| 开源 SDK | pip install mem0ai / npm install mem0ai，任意应用嵌入 |
| 自托管 Server | FastAPI + pgvector + 本地 dashboard，make bootstrap 一键起，默认安全 |
| Mem0 Cloud | 托管平台，含专有优化（benchmark 跑分来源）；mem0 init --agent 让 AI Agent 5 秒自助注册 API key |
07社区采用度：真金白银
| 指标 | mem0 | 对照：TencentDB Agent Memory |
|---|---|---|
| Stars | 62.8k（3 年，年均 ~21k） | 17.5k（4 个月，爆发式） |
| PyPI 累计下载 | 3,858 万 | Python SDK 刚上架 |
| npm 月下载 | 391,984 | 8,151（1/48） |
| Forks | 7,322 | 1,571 |
| 维护 | YC 公司全职团队 15+ | 腾讯云团队（squash 后统计失真） |
| 英文社区 | 主流认知"the memory layer"，Discord 活跃 | HN 冷淡，中文社区热 |
判断：mem0 的 39 万月下载是实打实的生产采用——不是收藏型热度。它是"记忆层"这个品类里被引用最多的名字。
08vs TencentDB Agent Memory
| 维度 | mem0 | TencentDB Agent Memory |
|---|---|---|
| 定位 | 通用记忆层（SDK，嵌入任何应用） | 团队记忆中枢（Hub + 治理 + 配装） |
| 治理能力 | 弱（User/Session/Agent 隔离，无资产管理） | 强（Owner/版本/状态/ACL/四级可见性） |
| 团队协作 | 无团队概念 | Team + Loadout + 审核分享 |
| 存储 | 27 种向量库任选 | SQLite 本地优先 / 腾讯云向量库 |
| 部署 | 轻（pip install 即用） | 重（四组件 + Docker） |
| 商业模式 | YC 公司，开源引流 + 云变现 | 腾讯云开源，导流自家 DB |
| 基准 | LoCoMo 92.5 / LongMemEval 94.4 / BEAM | PersonaMem 76%（自家口径） |
09我的评价
赢在通用性
pip install 就完事，27 种向量库、全框架 adapter，任何应用都能嵌。
赢在算法硬实力
新算法是论文级改进，社区公认 benchmark 刷到 SOTA 且开源可复现。
赢在商业闭环
YC 公司全职维护，托管平台赚钱反哺开源——可持续性最强。
弱在治理维度
记忆就是"存进去捞出来"，没有团队资产、版本、权限的概念。
弱在团队共享
User/Agent 隔离有，"一个团队共享经验"不是它的场景。
弱在云端差距
托管平台与开源 SDK 能力有差距（benchmark 自己承认）。
10结论
mem0 是"记忆层的 MySQL"，TencentDB 是"记忆层的企业 ERP"
mem0 赢在广度和算法（通用、广泛、被生产采用），腾讯赢在治理和团队场景（共享、管控、配装）。
选型建议：单应用/个人/跨框架 → mem0；团队协作/经验治理/多 Agent 共享 → TencentDB。两篇拆解合起来，就是 2026 年 Agent Memory 赛道的完整地图。