桌面研究・閘門一・公開版

記憶平台適用性評估報告

評估日 2026-07-10基準線 EverOS 1.0.0候選 8 款評估者 Claude（合成裁決）＋人工拍板判準

本頁為對內評估的去識別化公開版：三種工作負載的個人脈絡已一般化，其餘分析、來源與查核標註照原文保留。性質為桌面研究（未實機 pilot），來源截止 2026-07-10；文末附 2026-07-13 Letta Mods 追蹤附註。
標註慣例：confirmed/verified＝來源實際打開過；unverified＝推論或文件缺席；unverifiable＝現況無法查證；refuted＝原主張被對抗式查核推翻並已修正。

總判決
工作負載
對照矩陣
Memora benchmark
各款 profile
方法與局限
07-13 附註

§1總判決與行動清單

判決：續用 EverOS

八款候選無一達到「顯著優於」門檻，不進閘門二 pilot。

裁決規則（開題時自訂）：「顯著優於」＝在 ≥2 個工作負載有實質優勢，且資料可攜性不倒退；隱私紅線：個人與家庭資料不進第三方雲，SaaS-only 為硬傷。

核心理由：裁決規則有兩個 AND 條件——「≥2 工作負載實質優勢」且「資料可攜性不倒退」。第二個條件是硬閘門，而 EverOS 的 md-first SSOT（canonical .md，可讀／可 diff／Git 版控，且經兩次全索引刪除重建零資料損失的實戰驗證）是全表唯一達到此級別的可攜性。八款候選全部把記憶本體鎖在私有 DB（Postgres/pgvector、ChromaDB、Qdrant、Neo4j/FalkorDB、LangGraph Store、Redis），沒有任何一款是 md／純文字可攜，退場都要自寫轉換腳本——這一項就讓每一款候選在「可攜性不倒退」上直接失格，無論它在其他工作負載多強。

即使放寬看單項優勢，也只有兩款在「某一個」工作負載上真的做出 EverOS 沒有的東西：

Graphiti（Zep 拆分核心）的 bi-temporal edge invalidation（矛盾觸發、關閉 valid_to、不刪除、全程可稽核）在 W1 遺忘語意上確實優於 EverOS——但它在 W3 命中「聚類類最危險」的具體實證（community detection 無限迴圈，1,286 節點就 44 分鐘 100% CPU 卡死，未修復），且 Zep 品牌自架故事已死過一次（CE 2025-04 棄坑）。單一工作負載優勢＋可攜性倒退 → 不達標。

Letta 的 sleep-time agent（背景記憶整併）在 Reasoning 上有專門機制——但最需長期保存的 Archival Memory 官方 .af 匯不出（可攜性重傷），Docker 自架「已非積極維護」，資金僅種子輪。單項優勢＋可攜性倒退 → 不達標。

其餘六款（Mem0、LangMem、MemoryOS、A-Mem、MemoBase、Nemori）連單一工作負載的顯著優勢都拿不出來，且多有已證實的架構缺陷（Mem0 ADD-only 無語意衝突＋97.8% 雜訊、LangMem 寫入後取不回、MemoBase 無去重、A-Mem/Nemori 研究級 MVP 維護停滯）。

行動清單

#	行動	為什麼
1	續用 EverOS 作為三個工作負載的主平台	無候選達「顯著優於且可攜性不倒退」門檻，不做平台遷移
2	把 EverOS 的 W1 缺口（遺忘／更新語意）列為內部改進工單	這是 EverOS 最弱、也是候選唯一可能切入的一塊；深挖原始碼確認後，設計「有效期標註＋新舊偏好衝突裁決」層
3	借鑑 Graphiti 的 bi-temporal invalidation「概念」，不搬平台	該設計正面回答「記錯比不記危險」；在 md frontmatter 引入 `valid_from`／`valid_to`／`superseded_by` 做保鮮度可觀測指標（純設計借用，資料仍留 md）
4	W3 一次性 35M 字元匯入時機拿捏	已知成本地雷＋lance decoder bug 未出貨修復；等 lancedb 0.35.0 治本後再做大匯入，期間維持聚類策略關閉（$400-600 可接受區間）
5	持續追蹤 Graphiti 與 Letta（唯二有單項亮點者）	若日後補上 md 匯出，值得重評；定期盯 Graphiti PR #1456（迴圈修復）、Letta agent-file Passages roadmap

若未來要 pilot：最小驗證設計（備而不用）

目前不觸發（因無候選達標）。但若決定不顧可攜性硬閘門、想驗證 Graphiti 的 W1 遺忘語意：拿一年份合成的學習者偏好序列（含 3-5 組刻意反轉的偏好，如「討厭幾何→喜歡幾何」），驗 bi-temporal invalidation 是否正確關閉舊事實、檢索時是否只回當前有效事實、歷史是否可稽核。本地 Ollama＋FalkorDB，主要成本是 entity/edge extraction 的 LLM 呼叫，估 < $50 一輪。成功判準：≥90% 偏好反轉被正確 invalidate（非重複堆積）；且能一鍵匯出成人類可讀格式（此項幾乎確定會失敗——正是它不達標的原因）。

§2三種工作負載與各自最適平台

評估不用抽象評分，以三種真實工作負載為判準本體（公開版描述已一般化）：

W1 長期學習者模型——為家中學習者建的輔助系統基底。資料橫跨三年，程度、偏好、痛點全變過——「記錯比不記危險」在教學場景是真傷害（用三年前的認知指導現在）。FAA（該忘的有沒有忘）是關鍵指標。
W2 跨專案工作記憶——十幾個專案的 session 自動蒸餾＋跨專案查詢，需混合檢索與出處回鏈（命中的記憶要能回溯到原始 session 與事件時間）。
W3 聊天史大量匯入——35M 字元的歷史聊天記錄一次性匯入＋月度增量，重點是成本邊界與冪等去重（防燒錢、防重複堆積）。

工作負載	最適平台	理由
W1 學習者模型 FAA 關鍵	EverOS（現況）＋補遺忘語意層；概念參考 Graphiti	EverOS 的 md-first 保證「記錯了還能救回」（可攜性是 FAA 的最後防線），但缺明確覆寫／衰減／版本化語意是真缺口。Graphiti 的 bi-temporal invalidation 是全表對 W1 最正確的答案，但可攜性倒退＋W3 聚類災情使其整體不划算——借其概念、留 EverOS 的資料層是最優解。Mem0／A-Mem／MemoryOS／Nemori 在此項有已證實的硬缺陷（無 TTL、無衝突裁決），直接出局。
W2 跨專案工作記憶	EverOS（現況）	EverOS 是唯一有 ground-truth 驗收通過的：recall CLI 命中指定歷史輔導事件的 episode（score 0.634）並附時間戳與 session 回鏈；蒸餾模型可換（A/B 驗證）、prompt 可改（逐字／轉述可調）。候選中 Letta（hybrid vector+BM25+tag、sleep-time 整併）方向最接近但需自建 Claude Code 整合層且 Archival 匯不出；其餘候選的混合檢索／出處回鏈多為「查無資料」。
W3 聊天史大量匯入	EverOS（現況，需人工治理）	EverOS 已知「可行但需治理」：全開 $220/M 字元（不可接受）、關聚類策略後 $400-600（可接受），有策略級 on/off 開關與月度增量冪等去重、巨檔補丁。候選在此項普遍更差或未知：Graphiti 命中「聚類最危險」實證（44 分鐘卡死）、Mem0 本地單筆 add 20 秒無 batch、MemoBase 已證實無去重（#143）、其餘全部「per-M-char 成本查無資料」。

§3對照矩陣：9 系統 × 8 硬判準

✅ 明確達標／優勢　⚠️ 部分達標／有保留／證據不足　❌ 明確不達標／已知缺陷　｜　手機可左右滑動

系統	1 可攜性	2 本地自架	3 成本結構	4 遺忘/更新	5 CC 整合	6 維運成熟	7 社群/維護	8 Reasoning
EverOS（基準）	✅ md-first、事故驗證零損	✅ 全本地三件式	⚠️ 超線性但有 on/off 治理	⚠️ 有整併、缺衰減/版本化	✅ 深度整合實戰中	⚠️ 三次爆炸但已止血	⚠️ 星多但核心 bug 回應慢	⚠️ 無專門機制
Mem0	⚠️ DB＋JSON 匯出、非 md	✅ 可 Ollama 全本地	⚠️ 線性＋雜訊推高單位成本	❌ ADD-only 無語意衝突/無 TTL	⚠️ 官方偏雲、自架需自寫 wrapper	❌ 記憶體洩漏＋97.8% 雜訊	⚠️ 星多、深層設計回應弱	⚠️ hybrid 有、整合靠 LLM
Zep/Graphiti	❌ 圖 DB 無 md 匯出；Zep Cloud SaaS	⚠️ Graphiti 可本地、CE 已死	⚠️ 比 mem0 貴 4-40%、聚類發散	✅ bi-temporal invalidation	⚠️ MCP 有、需 gateway 橋接	❌ 聚類無限迴圈 44min 卡死	⚠️ Graphiti 活躍、Zep 棄坑前科	✅ community 階層彙總
Letta	❌ Postgres、Archival 匯不出	⚠️ 可本地但 Docker 非積極維護	⚠️ sleep-time 線性疊加	⚠️ 版本歷史＋timestamp 裁決、TTL 未證	⚠️ 無官方、需自建 wrapper	⚠️ 無爆炸類、但 Docker 棄維	⚠️ 僅種子輪、重心轉 Letta Code	✅ sleep-time 專門整併
LangMem	❌ LangGraph Store DB、無匯出	⚠️ 理論可本地、無端對端實證	⚠️ 查無超線性資料	❌ 抽象敘述＋寫入後取不回 bug	❌ 無 MCP/hooks	❌ 靜默資料遺失 bug 未修	⚠️ 背靠 LangChain 但 8 個月未發版	❌ 無跨記憶機制、純 RAG
MemoryOS	⚠️ ChromaDB/檔案、無匯出、pro 版可疑	✅ 全本地 Docker＋vLLM	⚠️ 查無資料	⚠️ heat＋FIFO、缺衝突/版本/TTL	✅ MCP 三工具（未列 CC CLI）	⚠️ issue 極少、MTM 硬上限、未經規模考驗	⚠️ 1.5k 星、bus factor 不明	❌ 僅 prompt 拼接
A-Mem	❌ ChromaDB、無匯出	✅ 全本地 Ollama/SGLang	⚠️ top-k 非超線性、240h 疑慮	❌ 僅硬刪除＋覆寫、無 TTL	❌ 無 CLI/hooks/MCP	⚠️ L2-vs-cosine bug 未修、低使用	❌ 「專案已死」6 月無回應	⚠️ Zettelkasten 連結、無 hybrid
MemoBase	⚠️ Postgres/Redis、預設刪原文	⚠️ LLM 本地 OK、embedding 僅 openai/jina	⚠️ 查無 per-M-char	❌ 無去重(#143)＋更新失敗(#109)	⚠️ 通用 MCP、品牌混淆	⚠️ 中小、未見規模災情	⚠️ 2.8k 星、bus factor 不明	⚠️ LLM 相關性篩選、證據不足
Nemori	❌ Postgres+Qdrant、無匯出	⚠️ 可本地未證、預設 OpenRouter	⚠️ 查無資料	❌ 無遺忘/版本/衝突文件	❌ 僅 Python lib	⚠️ 無災情但未經考驗、極小	❌ 207 星、3 月停更、匿名 beta	❌ 寫入時蒸餾、檢索靠 LLM

矩陣逐格來源附註（9 系統，verified / unverified / refuted 標註）

EverOS：①md-first＋②三件式＋⑤整合＋⑥三次爆炸＋⑦星數均 verified（EverOS README、issues #315/#316、本機第一手事故與實測記錄）；④遺忘語意、⑧Reasoning 為 unverified（基於 README 未描述專門機制的推論）；③成本 verified（本機實測）。

Mem0：②本地 confirmed、④無 TTL/無語意衝突 confirmed（#5330/#4896）、⑥97.8% 雜訊 confirmed（#4573）、⑤自架需 wrapper 部分修正（#5413 仍 open 且有 maintainer 回應，原「無回應」主張被 refuted）、⑧hybrid 為 unverified、③定價 graph-memory 門檻 unverifiable。全 verified 來源為 GitHub API 直查。

Zep/Graphiti：①圖 DB 無 md、②CE 死/Zep Cloud SaaS、③成本論文、④bi-temporal、⑥44min 迴圈(#1397)、⑦星數/活躍、⑧community 均 confirmed（官方 blog、定價頁、arXiv 2601.07978、issue #1397、GitHub API）；④中 delete_entity_edge 具體 API 名稱 unverifiable（方向確認）；⑦「52 貢獻者」單一數字 unverifiable。

Letta：①Archival 匯不出 confirmed（agent-file README）、②Docker 非維護 confirmed、④sleep-time 存在 confirmed 但「每 session 觸發一次」被 refuted（可設定頻率）、⑤整合來源 X 貼文 unverifiable（付費牆）、③②定價/開源 confirmed、⑦種子輪 confirmed；「SQLite 無 migration」unverifiable。

LangMem：①DB 無匯出、④#140/#154 bug、⑤無 MCP、⑥靜默資料遺失、⑦8 個月未發版/11 subscribers、⑧無 reasoning 機制均 confirmed（GitHub/PyPI API、conceptual guide）；②本地 unverified（README grep ollama=0）；③成本 unverified。

MemoryOS：②全本地、⑤MCP 三工具、⑦contributors 頁載入失敗、⑧prompt 拼接、pro 版可疑均 confirmed；④「論文明確承認缺口」被 refuted（只是未提及非自承）、①「ChromaDB+JSON 為儲存」被 refuted（僅變體之一）、「MTM 上限 1000」被 refuted（實為 200）；③維運 unverified。

A-Mem：①無匯出、②全本地、④僅硬刪除/覆寫、⑤無整合、⑥L2-cosine bug(#24)、⑦「專案已死」(#16)、⑧top-5 連結、240h(#21) 均 confirmed（源碼＋GitHub API 直查）。

MemoBase：①預設刪原文、④無去重(#143)/更新失敗(#109)、⑤品牌混淆、⑦星數均 confirmed；②「embedding 可本地 Ollama」被 refuted（僅 openai/jina）——此點影響隱私紅線判定；③per-M-char unverifiable、⑧reasoning unverified。

Nemori：①無匯出、②可本地未證、④無遺忘文件、⑤僅 lib、⑥無災情但未考驗、⑦207 星/停更/匿名 beta、③成本缺席均 confirmed（GitHub API、arXiv 2508.03341、pyproject.toml）。

§4Memora Benchmark 分數表＋深挖＋局限

觸發本研究的論文：Memora benchmark（arXiv:2604.20006v1，2026-04-21）。六款記憶智能體、四款裸 LLM 對照，GPT-4o-mini backend。聚合分數＝週＋月＋季三期加總（非平均）。

系統	Remembering	Reasoning	Recommending	備註
記憶智能體組
A-Mem	154.50	9.00	107.51	Remembering 全表最高，但週→季驟降 71.82→40.78
LangMem	152.30	55.00	126.81	Reasoning 離群值，見下方深挖
Nemori	142.97	25.16	140.40	月期 Reasoning 崩零
MemoryOS	106.67	32.16	155.20	Reasoning 次高、趨勢較平滑
Mem-0	81.40	18.00	127.25	月/季 Reasoning 幾近全滅
MemoBase	78.86	26.00	173.02	Recommending 記憶智能體組最高
裸 LLM 對照組
GPT-5.2	68.63	5.66	159.28	Recommending 裸模型組最高之一
Claude Sonnet 4.5	68.17	15.16	126.64	開 reasoning tokens 後分數反降，對 setting 敏感
Qwen3-32B	66.50	14.00	149.34	—
Gemini 3 Pro Preview	59.08	14.66	143.62	開 reasoning tokens 後 Reasoning 升至 24.50

兩組對照（論文 Table 4）：Remembering 記憶智能體大勝裸 LLM（142-154 vs 59-69）；Recommending 兩組區間高度重疊纏鬥（agent 107-173、LLM 126-165，最高分 MemoBase 173.02 仍在 agent 側，「LLM 反超」是簡化說法、方向對但誇大）；Reasoning 全體偏低，agent 略優但 LangMem 55.00 為明顯離群。

⚠️ 關鍵：EverOS 不在此表。EverOS 發布於 2026-06-06，晚於本論文，未被評測；此 benchmark 比的是「記憶架構」（同一 backend），不能直接用來排 EverOS 名次。

LangMem Reasoning 55.00 深挖：是噪音，不是架構突破

55.00＝週 30.00＋月 14.00＋季 11.00 加總。四條證據指向「評測噪音／任務設計對某期特別有利」：①驅動力集中單一期（週 30.00 是全表 reasoning 單期最高，其餘 agent 週分數僅 2.00-20.66，明顯脫離群體分佈）；②趨勢不持續反遞減（月/季滑落至 14.00/11.00——真架構突破應隨記憶量增加而擴大優勢）；③論文零機制解釋（全文未給 LangMem 任何架構描述）；④小樣本高變異（Reasoning 子任務樣本數遠低於其他兩項，論文未報標準差/信賴區間）。

另注：LangMem SDK（langchain-ai）、Memora 論文中的「LangMem」條目、Microsoft 的 microsoft/Memora（arXiv 2602.03315，Reasoning 86.3%/87.4%）是三個不同東西，不可混為一談。

Benchmark 局限（誠實揭露）

①六款記憶智能體無版本號/commit/測試日期；②EverOS 未被測，引用須自行補測；③FAA 非獨立分數（論文核心是複合 FAMA，只能引整體扣分趨勢：週 18.2 → 季 29.5 惡化，agent 組季度扣分達 44）；④抓取經摘要非逐字全文，關鍵引用建議 PDF 覆核；⑤「Recommending LLM 反超」需謹慎（兩組區間重疊）。

§5每款一頁 Profile

八判準逐條檢視；標註規則同上（verified / unverified / unverifiable / refuted）。被查核推翻的主張已修正或標明爭議。

5.0 EverOS 1.0.0（基準線）

EverMind-AI/EverOS

md-first 可攜性與本地自架是兩項硬優勢（活過事故驗證），但維運成熟度（一週三次磁碟爆炸，根因上游 lance decoder bug 尚無出貨修復）與 W1 遺忘語意是明確弱項。

可攜性 ✅ verified：md 為 canonical SSOT，LanceDB/SQLite 為可拋棄衍生索引；兩次全索引刪除重建（278GB/188GB 事故）零資料損失，md 源頭僅 22MB/39MB。全表最硬優勢。
本地自架 ✅ verified：Mac Mini（macOS arm64），Markdown+SQLite+LanceDB，no MongoDB/ES/Redis；Ollama bge-m3 embedding，LLM 可指任意 key。僅蒸餾走 Anthropic API（可控第三方推理，非資料落雲）→ 過隱私紅線。
成本 ⚠️ verified：user-memory 層 35M 字元約 $400-600；agent-memory 聚類全開推到 $220/M（不可接受）。設定熱重載 on/off 可壓成本，但需人工治理。
遺忘/更新 ⚠️ unverified：README 提 offline memory evolution（合併 episode clusters、refine profiles），但這是「合併/精煉」非明確覆寫/衰減/版本化/有效期標註；查無偏好衝突裁決與保鮮度可觀測指標。W1 最大缺口。
CC 整合 ✅ verified：hooks 自動 ingest、recall CLI、摘要管線、9 個上游補丁守護、三個監控 LaunchAgent；recall ground-truth 驗收通過（score 0.634）。
維運 ⚠️ verified：三次爆炸實戰死法（壞 fragment→GC 死 278GB；回填 180GB/18h；孤兒檔 debris 20GB/h）。根因上游 lance decoder bug（#7653/#7538，資料無損），修復入 lance 9.0.0-beta.11、等 lancedb 0.35.0 出貨。獨立驗證 issue #315（磁碟無限膨脹）、#316（asyncio 死鎖）開 12 天以上無 maintainer 回應。目前存活靠我們自架端補丁與急救 SOP。
社群/維護 ⚠️ verified：10.7k stars/849 forks，commit 密集但抽樣近期多 docs/release 類；兩個關鍵 bug 12 天無回應。「發版快、核心 bug 回應慢」並存。maintainer 活躍度 ≠ 使用端自架補丁能力，兩件事。
Reasoning ⚠️ unverified：未見專門跨記憶整合模組，傾向「檢索後交下游 LLM 自拼」，屬文件缺席推論。

來源：github.com/EverMind-AI/EverOS（README/commits/issues verified）、issues #315、#316（verified）、本機第一手運維記錄。

5.1 Mem0

mem0ai/mem0

活躍度高、可本地自架、v3 hybrid search，但遺忘語意有已知未修的架構缺陷（ADD-only 無語意衝突、無 TTL）＋97.8% 雜訊審計，不建議未補 quality gate 前作為 FAA 關鍵路徑。

可攜性 ⚠️ verified：記憶存 vector store（本地 Qdrant+SQLite 或 Postgres+pgvector），有 get_all()＋dashboard JSON 匯出（雲端匯出檔 7 天過期），但非 md-first 人類可讀，需轉換。
本地自架 ✅ confirmed：#2813 實測 Ollama 全本地跑通。保留：預設範例走 OpenAI，需手動覆寫成本地 provider（非開箱即本地）。
成本 ⚠️ verified：SaaS Free 10k/Pro $249 50 萬 adds；自架每次 add() 觸發 LLM+embedding 線性成長；雜訊反覆重抽推高單位有效成本。graph-memory 定價門檻 unverifiable。
遺忘/更新 ❌ confirmed：#5330 確認無 TTL/衰減（closed，稱需改 30+ 後端故轉社群外掛）；#4896 確認 ADD-only 只做 MD5 hash 去重、無語意衝突（closed as not_planned）。修正：#4536 原始行為屬實，但「未收到 maintainer 回應」被 refuted（v3 以 linked_memory_ids 回應、已 closed）。
CC 整合 ⚠️ verified：官方 plugin 預設面向 Mem0 Cloud，自架需自寫 wrapper；「#5413 無回應」被 refuted（maintainer 兩度留言，仍 open）。
維運 ❌ verified：#3376 記憶體/執行緒洩漏；#2672 idle 後 search 回空；#2813 本地單筆 add 20 秒；#4573：10,134 筆記憶 97.8% 雜訊，換模型「junk rate barely moved」，根因在抽取 prompt。
社群/維護 ⚠️ verified：60.5k stars/157 open issues，釋出頻繁；但架構層 issue 回應弱（#4896/#5330 關閉無實質修復）。
Reasoning ⚠️ unverified：v3 hybrid（vector+BM25+entity boost），但整合仍靠檢索後 LLM 拼。

工作負載：W1 不建議（FAA 三缺陷）；W2 中等可小試（hybrid 對但需自補 quality gate）；W3 不建議主力（本地 add 20 秒、無 batch 路徑）。

來源：docs.mem0.ai、issues #2813/#4896/#4536/#4573/#5330/#5413、mem0.ai/pricing（GitHub API 直查 verified）。

5.2 Zep / Graphiti

getzep/graphiti

Zep「產品」自架故事已死（CE 2025-04 棄坑、Zep Cloud SaaS-only 硬傷），只剩 Graphiti library；Graphiti 的 bi-temporal invalidation 是全表 W1 最佳解，但 W3 命中「聚類最危險」實證＋可攜性倒退，整體不達標。

可攜性 ❌ confirmed：記憶存圖 DB（Neo4j/FalkorDB/Neptune），官方文件無 md/純文字匯出，需自寫 Cypher；Zep Cloud 完全鎖 SaaS。
本地自架 ⚠️ confirmed：CE 已 legacy（no longer provide updates）；Zep Cloud 自服務層均 Cloud only，僅 Enterprise BYOC → SaaS-only 硬傷。Graphiti library 可全本地，但官方註「reliability varies」於小模型。
成本 ⚠️ confirmed：獨立論文（arXiv 2601.07978）比 mem0 多耗 token 3.96%（財務成本 +40.2%）、loading 慢 86.5%；論文自陳未做超線性分析。
遺忘/更新 ✅ confirmed：bi-temporal edge（valid_from/to＋observed/recorded 四時間戳），矛盾觸發關閉 valid_to、不刪除、可稽核——直接命中「記錯比不記危險」。無自動 TTL/衰減，過期/隱私刪除需應用層排程。全表最強項。
CC 整合 ⚠️ verified：官方 MCP Server（HTTP），Claude Code 需 mcp-remote 橋接。中等工作量。
維運 ❌ confirmed：#1397 實測——label_propagation（Leiden 社群偵測）unbounded while-True，1,286 entities 跑 44 分鐘 100% CPU、需自行 monkey-patch；PR #1456 未合併。另有 #1101/#994 重複 edge 偵測不準、#1505 embedder NaN/Inf 靜默污染。
社群/維護 ⚠️ confirmed：Graphiti 28,560 stars、push 活躍；Zep 主 repo 僅 14 open issues（棄坑訊號）。曾有完整棄坑先例，對「未來 3 年壓自架」是警訊。
Reasoning ✅ verified：build_communities（Leiden）分群＋階層式由下而上摘要——但此管線正是無限迴圈風險所在，雙面刃。

工作負載：W1 語意優於 EverOS 但可攜性/維運抵銷；W2 未見顯著優於的實證；W3 明顯劣於（聚類卡死＋成本高）。

來源：blog.getzep.com、getzep.com/pricing、arXiv 2601.07978、github.com/getzep/graphiti issues #1397、communities docs（confirmed）。

5.3 Letta

letta-ai/letta

紮實的分層記憶架構＋sleep-time 專門整併（Reasoning 亮點），但 Archival Memory 官方匯不出（可攜性重傷）、Docker 自架「非積極維護」、僅種子輪、重心轉商業 CLI，整體不達標。

可攜性 ❌ confirmed：記憶存 Postgres+pgvector；.af 匯出明確不含 Passages（Archival Memory）（README 原文，只列 roadmap）——最需長期保存的資料剛好匯不出。另有匯出 CLAUDE.md/AGENTS.md（md 可讀但單向批次）。
本地自架 ⚠️ confirmed：可全本地（Ollama/vLLM+自架 DB），但官方明言「Docker image 已非積極維護/支援的產品面」，建議改 Letta Code local mode；需 Postgres+pgvector 重依賴。「SQLite 無跨版本 migration」unverifiable。
成本 ⚠️ confirmed：自架免費；雲端 $20/月＋$0.10/agent/月＋$0.00015/秒 tool；sleep-time 每次觸發背景 LLM call，高頻線性疊加。
遺忘/更新 ⚠️ verified：Memory Block optimistic concurrency＋BlockHistory，timestamp 裁決矛盾，sleep-time 背景 prune 過時資訊；TTL 具體設計 unverified。
CC 整合 ⚠️ unverifiable：無官方 MCP server/hooks；最直接是匯出 CLAUDE.md/AGENTS.md（單向）；即時查詢需自建 wrapper（估 1-2 週）。
維運 ⚠️ verified：多為已解穩定性個案，仍開 VLLM crash（#3384）；未見磁碟爆炸類災情，但「Docker 非積極維護」本身是成熟度警訊。
社群/維護 ⚠️ confirmed：23.7k stars/26 open issues；僅 $10M 種子輪（2024-09），未見 Series A；重心轉 Letta Code（評估時為推論，07-13 附註已 confirmed）。
Reasoning ✅ confirmed：sleep-time agent（共享記憶區背景 agent，去重/重組/歸檔、raw→learned context）＋hybrid（vector+BM25 RRF）＋tag filter。「每 session 觸發一次」被 refuted（可設定頻率）。跨記憶整合面本評估相對突出。

工作負載：W1 不建議（Archival 匯不出＋自架路線不明）；W2 有條件可行（hybrid+sleep-time 但需自建整合）；W3 證據不足。

來源：docs.letta.com（agent-file、selfhosting、pricing）、github.com/letta-ai/agent-file、letta.com/blog/sleep-time-compute、deepwiki（confirmed）。

5.4 LangMem

langchain-ai/langmem

記憶原語工具箱而非完整平台，核心讀寫路徑有未修的正確性 bug（寫入後取不回、靜默資料遺失），對 FAA 關鍵場景是高風險，W2/W3 關鍵能力全查無資料。

可攜性 ❌ confirmed：記憶經 LangGraph Store（Postgres/Mongo/InMemory）持久化，非 md；查無內建匯出。
本地自架 ⚠️ confirmed：後端可本地，LLM/embedding 理論支援 Ollama；但 README grep ollama=0，官方範例全 OpenAI/Anthropic，無端對端本地實證。
成本 ⚠️ unverified：SDK 免費（MIT）；查無超線性 benchmark 或災情。
遺忘/更新 ❌ confirmed：僅抽象 reconcile 敘述，無 TTL/衰減/版本化具體實作；#140 寫入後 search 取不回（open, 0 comments）、#154 Postgres 持久化完全沒寫入（open, 全社群無官方回應）。
CC 整合 ❌ confirmed：README grep mcp=0，無官方 MCP/hooks。
維運 ❌ confirmed：靜默資料遺失/取不到式的死（#140/#154）致命，無官方修復時程。
社群/維護 ⚠️ confirmed：1,548 stars/57 open issues/11 subscribers；PyPI 0.0.30 逾 8 個月未發版。背靠 LangChain 但子專案關注度有限。
Reasoning ❌ confirmed：無跨記憶推理機制，純「向量檢索+下游 LLM 拼」。與 Microsoft Memora 無關聯（同名巧合）。

工作負載：W1 弱（正確性 bug＋無遺忘機制）；W2 弱-中；W3 弱（成本/去重/邊界全查無資料）。

來源：langchain-ai.github.io/langmem、github.com/langchain-ai/langmem issues #140/#154、PyPI API（confirmed）。

5.5 MemoryOS

BAI-LAB/MemoryOS（EMNLP 2025 Oral）

概念驗證級分層記憶研究專案（短/中/長三層＋heat 遷移），可全本地自架，但遺忘語意簡陋、Reasoning 僅 prompt 拼接、社群小＋memoryos-pro 供應鏈可疑，非生產級。

可攜性 ⚠️ refuted 修正：官方無 export/backup 說明屬實；但「儲存為 ChromaDB+JSON」被 refuted（ChromaDB 只是三變體之一，預設底層格式文件未寫明）。
本地自架 ✅ confirmed：官方 Docker＋本地 embedding（BGE-M3 等）＋可接 vLLM；預設 quick-start 用 OPENAI_API_KEY，需主動切全本地。
成本 ⚠️ unverified：Apache 2.0 免費；論文未討論隨量超線性。
遺忘/更新 ⚠️ refuted 修正：機制明確但簡陋（STM FIFO→MTM heat 分數晉升，滿載淘汰=硬遺忘）；無偏好衝突裁決/版本化/時效標註。「論文明確承認缺口」被 refuted（只是未提及）；「MTM 上限 1000」被 refuted（實為 200——讓 W3 邊界更嚴峻）。
CC 整合 ✅ confirmed：MCP Server 三工具，相容 Claude Desktop/Cline/Cursor（未明列 Claude Code CLI）。
維運 ⚠️ unverified：14 open issues，查無災情——更可能是「使用規模太小沒人跑到」而非穩健。
社群/維護 ⚠️ confirmed：1.5k stars，contributors 頁載入失敗，bus factor 無法驗證。
Reasoning ❌ confirmed：Generation 模組僅「三層拼接進單一 prompt」，無顯式跨層推理/衝突消解。
供應鏈警訊 confirmed：memoryos-pro PyPI 只發 wheel 無 sdist，metadata 高度可疑（MIT 樣板「Your Name」、project_urls 指向 sampleproject 模板）。

工作負載：W1 不推薦；W2 部分可用需大量自開發；W3 高風險（MTM 上限、超線性未知、社群太小）。

來源：github.com/BAI-LAB/MemoryOS、bai-lab.github.io、arXiv 2506.06326、PyPI memoryos-pro（confirmed）。

5.6 A-Mem

agiresearch/A-mem＋WujiangXu/A-mem-sys（NeurIPS 2025）

Zettelkasten 式 agentic memory library，可全本地，但完全無遺忘語意（只硬刪除/覆寫）、無整合介面、維護訊號疲弱（「專案已死」提問 6 月無回應）。

可攜性 ❌ confirmed：記憶存 ChromaDB（SQLite-backed），全庫 grep 無 export/import/dump 函式。
本地自架 ✅ confirmed：ChromaDB＋all-MiniLM 本地 embedding＋Ollama/SGLang backend；MIT。保留：未顯式關 ChromaDB 預設 posthog 遙測。
成本 ⚠️ verified：插入用 top-k(=5) ANN 非超線性陷阱；但 #21 實測 longmemeval-s 跑 240 小時，大量匯入牆鐘時間風險。
遺忘/更新 ❌ confirmed：源碼 grep TTL/expire/decay/version 皆無；delete()=硬刪除、update()=覆寫重嵌。
CC 整合 ❌ confirmed：無 cli/mcp/hooks，僅 Python import。
維運 ⚠️ confirmed：#24 ChromaDB 用 L2 而非 cosine（與 embedding 訓練不匹配，建立時鎖死，open 未修）。
社群/維護 ❌ confirmed：1,095 stars/最後 push 2025-12；#16「Is this project dead already?」核心維護者從未回應；分裂三 repo，bus factor 集中一人。
Reasoning ⚠️ confirmed：新記憶 LLM 生成 top-5 語意連結（輕量網路自精煉），但無 multi-hop/hybrid/衝突消解。

工作負載：W1 不合適（遺忘語意全缺）；W2 部分但整合成本高；W3 風險偏高（240h 疑慮＋無 batch/去重）。

來源：github.com/agiresearch/A-mem、A-mem-sys 源碼、issues #24/#16/#21、arXiv 2502.12110（confirmed，源碼＋API 直查）。

5.7 MemoBase

memodb-io/memobase

profile 為核心的記憶後端，LLM 可本地但 embedding 本地化被推翻（僅 openai/jina），且已證實無去重（#143）＋更新失敗（#109），預設刪原文——三個工作負載核心判準證據不足或已有負面訊號。

可攜性 ⚠️ confirmed：Postgres+Redis，無 bulk export；預設處理完刪原始 chat blob（需手動設定才留原文）→「回溯原始 session」在預設組態不成立。
本地自架 ⚠️ refuted 修正：LLM 可指本地 Ollama 屬實；但「embedding 皆可本地」被 refuted——local_config 的 embedding_provider 只有 {openai, jina}。個人資料的向量化會經第三方 → 隱私紅線硬傷候選。
成本 ⚠️ unverifiable：官宣比 mem0 便宜 5 倍無可驗證計算；pricing 頁 JS 渲染讀不出。
遺忘/更新 ❌ confirmed：#143 無去重（profile 出現「Xiao Ge; Xiao Ge; Xiao Ge...」重複，maintainer 無回應）；#109 更新既有偏好經常失敗（blue→red 不生效，PR 只補文件非根因）。
CC 整合 ⚠️ confirmed：品牌澄清——memobase.ai（SaaS）與 memodb-io/memobase（開源）是不同公司/codebase；開源版僅通用 MCP。
維運 ⚠️ confirmed：23 open issues，未見規模災情（可能規模太小）；#130 大量 timeout 暗示供應商相容性不夠健壯。
社群/維護 ⚠️ confirmed：2.8k stars，單一組織，bus factor 不明。
Reasoning ⚠️ confirmed：context() 有 time_range＋topic 篩選＋LLM 相關性判斷，但無衝突消解/multi-hop 專門機制。

工作負載：W1 風險偏高（更新失敗＋不去重實測）；W2 部分（預設刪原文與回鏈衝突）；W3 最薄弱（已知無去重會膨脹）。

來源：docs.memobase.io（templates/ollama、local_config）、github.com/memodb-io/memobase issues #143/#109/#130、memobase.ai（confirmed）。

5.8 Nemori

nemori-ai/nemori

論文（arXiv 2508.03341）附帶的研究型 beta MVP（作者匿名、207 星、3 月停更），無遺忘語意/匯出/CLI/MCP，任一工作負載拿不出顯著優勢，建議暫緩。

可攜性 ❌ confirmed：Postgres（metadata/text）＋Qdrant（向量），README 無匯出格式。
本地自架 ⚠️ confirmed：docker-compose 可本地，但預設 OpenRouter 雲端，本地模型維度自適配未驗證。
成本 ⚠️ confirmed：BYO key，無 token 成本量化（#11/#12 使用者追問，維護者「下版釋出」未見數字）。
遺忘/更新 ❌ confirmed：全文搜 forgetting/decay/versioning/conflict 皆無；「adaptive distillation」是寫入時篩選，非檢索時衝突裁決。
CC 整合 ❌ confirmed：僅 Python async lib，無 CLI/MCP。
維運 ⚠️ confirmed：災情搜尋 0 筆，歷史 issue 僅 6 全關；無災情＝未經考驗，非已驗證安全。
社群/維護 ❌ confirmed：207 stars/3 貢獻者（含 1 個 bot）/近 3 個月停更/5 個 PR 掛 1-1.5 月未合併；pyproject「Beta」、author「Anonymous Submission」。
Reasoning ❌ confirmed：兩段式壓縮/篩選管線，檢索後仍交 LLM 自拼。

工作負載：W1/W2/W3 全不建議（研究級 MVP，維護停滯，無實證）。

來源：github.com/nemori-ai/nemori、pyproject.toml、.env.example、GitHub API、arXiv 2508.03341（confirmed）。

§6方法與局限

閘門一性質：本報告為桌面研究，非實機 pilot。所有結論基於公開文件、GitHub issues/API、arXiv 論文、以及我們本機的第一手運維記錄（EverOS 部分）。未實際部署或壓測任何候選平台——凡標 unverified/unverifiable 者，須待閘門二實測才能定案。

來源截止日：2026-07-10。版本相依的定價/配額/行為多因定價頁 JS 渲染或頁面改版而 unverifiable，已如實標註，未以 verified-fact 呈現。

issues 優先於 README：維運成熟度判準刻意翻 GitHub issues 找真實災情（EverOS #315/#316、Graphiti #1397、Mem0 #4573、LangMem #140/#154、MemoBase #143/#109、A-Mem #16/#24），而非採信 README 的自我宣稱。

查核修正：以下原始主張經對抗式查核被 refuted，已於 profile 修正：Mem0 #4536/#5413「無回應」（實有回應）、Letta sleep-time「每 session 觸發」（可設定頻率）、MemoryOS「論文自承缺口」（只是未提及）/「ChromaDB+JSON 儲存」（僅變體）/「MTM 上限 1000」（實為 200）、MemoBase「embedding 可本地 Ollama」（僅 openai/jina）。其中 MemoryOS MTM=200 與 MemoBase embedding 非本地兩項是實質影響判定的修正。

普遍查無資料的判準：①成本結構（per-M-char、超線性）除 EverOS（本機實測）與 Graphiti（有論文）外幾乎全「查無資料」——研究型專案沒人跑到生產規模；②遺忘/更新語意的可觀測指標全表（含 EverOS）都弱，只有 Graphiti 的 bi-temporal 有明確可稽核設計——這是整個記憶平台領域的共同缺口；③小型專案的「無災情」是「使用規模太小沒人踩到」，不可誤讀為優勢；④巨量單日檔（>10k entries）邊界除 EverOS 外全部未經考驗。

§72026-07-13 追蹤附註：Letta Mods

評估來源截止後三週內的一項重要發展：Letta 於 2026-06-24 發布 Mods——讓 agent 以 .js/.ts 檔自行擴充 Letta Code harness（自訂 tools、lifecycle 事件掛鉤、動態權限、model providers，熱載入生效）。三點判讀：

不改變本報告判決——Mods 屬 Letta Code（CLI coding agent）而非記憶平台，不修 Archival Memory 匯不出的可攜性硬傷。
報告原句「重心轉 Letta Code（推論非官方直陳）」由 Mods blog 與 letta-code README 升級為 confirmed。
它確認了本評估框架缺席的一個軸：自我改善迴路（harness 演化）——2026 Q2 已形成研究線（arXiv 2604.25850、2605.30621 等）。未來重評時應納入此軸；同時注意 Mods 目前全信任執行、無沙盒、無審查機制，治理面尚缺。