Memory Providers

AigenLabs Agent 内置 8 个外部记忆提供者插件，为 Agent 提供跨会话的持久化知识，超越内置的 MEMORY.md 和 USER.md。同一时间只能激活一个外部提供者——内置记忆始终与其并行工作。

快速开始

aigenlabs memory setup      # 交互式选择器 + 配置
aigenlabs memory status     # 查看当前激活状态
aigenlabs memory off        # 禁用外部提供者

也可以通过 aigenlabs plugins → Provider Plugins → Memory Provider 选择激活的记忆提供者。

或在 ~/.aigenlabs/config.yaml 中手动设置：

memory:
  provider: openviking   # 或 honcho, mem0, hindsight, holographic, retaindb, byterover, supermemory

工作原理

当记忆提供者激活时，AigenLabs 会自动：

注入提供者上下文到系统 prompt（提示词）中（提供者已知的内容）
在每轮对话前预取相关记忆（后台非阻塞）
在每次响应后将对话轮次同步到提供者
在会话结束时提取记忆（适用于支持此功能的提供者）
将内置记忆写入镜像到外部提供者
添加提供者专属工具，使 Agent 能够搜索、存储和管理记忆

内置记忆（MEMORY.md / USER.md）继续按原有方式工作。外部提供者是增量叠加的。

可用提供者

Honcho

AI 原生的跨会话用户建模，具备辩证推理、会话范围上下文注入、语义搜索和持久化结论。基础上下文现在包含会话摘要以及用户表示和 peer card，使 Agent 能感知已讨论的内容。


适合场景	具有跨会话上下文的多 Agent 系统、用户-Agent 对齐
依赖	`pip install honcho-ai` + API key 或自托管实例
数据存储	Honcho Cloud 或自托管
费用	Honcho 定价（云端）/ 免费（自托管）

工具（5 个）： honcho_profile（读取/更新 peer card）、honcho_search（语义搜索）、honcho_context（会话上下文——摘要、表示、card、消息）、honcho_reasoning（LLM 合成）、honcho_conclude（创建/删除结论）

架构： 双层上下文注入——基础层（会话摘要 + 表示 + peer card，按 contextCadence 刷新）加上辩证补充层（LLM 推理，按 dialecticCadence 刷新）。辩证层根据基础上下文是否存在，自动选择冷启动 prompt（通用用户事实）或热 prompt（会话范围上下文）。

三个正交配置项独立控制成本和深度：

contextCadence — 基础层刷新频率（API 调用频率）
dialecticCadence — 辩证 LLM 触发频率（LLM 调用频率）
dialecticDepth — 每次辩证调用的 .chat() 轮数（1–3，推理深度）

安装向导：

aigenlabs memory setup        # 选择 "honcho" — 运行 Honcho 专属的安装后配置

旧版 aigenlabs honcho setup 命令仍然有效（现在会重定向到 aigenlabs memory setup），但只有在 Honcho 被选为激活记忆提供者后才会注册。

配置： $AIGENLABS_HOME/honcho.json（profile 本地）或 ~/.honcho/config.json（全局）。解析顺序：$AIGENLABS_HOME/honcho.json > ~/.aigenlabs/honcho.json > ~/.honcho/config.json。参见配置参考和 Honcho 集成指南。

完整配置参考

键	默认值	描述
`apiKey`	--	来自 app.honcho.dev 的 API key
`baseUrl`	--	自托管 Honcho 的 Base URL
`peerName`	--	用户 peer 身份
`aiPeer`	host key	AI peer 身份（每个 profile 一个）
`workspace`	host key	共享 workspace ID
`contextTokens`	`null`（无上限）	每轮自动注入上下文的 token 预算。按词边界截断
`contextCadence`	`1`	`context()` API 调用之间的最小轮数（基础层刷新）
`dialecticCadence`	`2`	`peer.chat()` LLM 调用之间的最小轮数。建议 1–5。仅适用于 `hybrid`/`context` 模式
`dialecticDepth`	`1`	每次辩证调用的 `.chat()` 轮数。限制在 1–3。第 0 轮：冷/热 prompt，第 1 轮：自我审计，第 2 轮：调和
`dialecticDepthLevels`	`null`	可选的每轮推理级别数组，例如 `["minimal", "low", "medium"]`。覆盖比例默认值
`dialecticReasoningLevel`	`'low'`	基础推理级别：`minimal`、`low`、`medium`、`high`、`max`
`dialecticDynamic`	`true`	为 `true` 时，模型可通过工具参数在每次调用时覆盖推理级别
`dialecticMaxChars`	`600`	注入系统 prompt 的辩证结果最大字符数
`recallMode`	`'hybrid'`	`hybrid`（自动注入 + 工具）、`context`（仅注入）、`tools`（仅工具）
`writeFrequency`	`'async'`	消息刷新时机：`async`（后台线程）、`turn`（同步）、`session`（会话结束时批量）或整数 N
`saveMessages`	`true`	是否将消息持久化到 Honcho API
`observationMode`	`'directional'`	`directional`（全部开启）或 `unified`（共享池）。通过 `observation` 对象覆盖
`messageMaxChars`	`25000`	每条消息的最大字符数（超出时分块）
`dialecticMaxInputChars`	`10000`	传入 `peer.chat()` 的辩证查询输入最大字符数
`sessionStrategy`	`'per-directory'`	`per-directory`、`per-repo`、`per-session`、`global`

最简 honcho.json（云端）

{
  "apiKey": "your-key-from-app.honcho.dev",
  "hosts": {
    "aigenlabs": {
      "enabled": true,
      "aiPeer": "aigenlabs",
      "peerName": "your-name",
      "workspace": "aigenlabs"
    }
  }
}

最简 honcho.json（自托管）

{
  "baseUrl": "http://localhost:8000",
  "hosts": {
    "aigenlabs": {
      "enabled": true,
      "aiPeer": "aigenlabs",
      "peerName": "your-name",
      "workspace": "aigenlabs"
    }
  }
}

从 aigenlabs honcho 迁移

如果你之前使用过 aigenlabs honcho setup，你的配置和所有服务端数据均完好无损。只需通过安装向导重新启用，或手动设置 memory.provider: honcho，即可通过新系统重新激活。

多 peer 配置：

Honcho 将对话建模为 peer 之间的消息交换——每个 AigenLabs profile 对应一个用户 peer 加一个 AI peer，共享同一个 workspace。workspace 是共享环境：用户 peer 在各 profile 间全局共享，每个 AI peer 拥有独立身份。每个 AI peer 从自身的观察中独立构建表示/card，因此 coder profile 保持代码导向，而 writer profile 针对同一用户保持编辑导向。

映射关系：

概念	含义
Workspace	共享环境。同一 workspace 下的所有 AigenLabs profile 共享同一用户身份。
用户 peer（`peerName`）	人类用户。在 workspace 内跨 profile 共享。
AI peer（`aiPeer`）	每个 AigenLabs profile 一个。host key `aigenlabs` → 默认；其他 profile 使用 `aigenlabs.<profile>`。
Observation	每个 peer 的开关，控制 Honcho 从哪些消息中建模。`directional`（默认，全部开启）或 `unified`（单一观察者池）。

新建 profile，创建新 Honcho peer

aigenlabs profile create coder --clone

--clone 在 honcho.json 中创建一个 aigenlabs.coder host 块，包含 aiPeer: "coder"、共享的 workspace、继承的 peerName、recallMode、writeFrequency、observation 等。AI peer 会在 Honcho 中提前创建，确保在第一条消息之前就已存在。

为现有 profile 补充 Honcho peer

aigenlabs honcho sync

扫描所有 AigenLabs profile，为没有 host 块的 profile 创建 host 块，从默认 aigenlabs 块继承设置，并提前创建新的 AI peer。幂等操作——跳过已有 host 块的 profile。

每个 profile 的 observation 配置

每个 host 块可以独立覆盖 observation 配置。示例：一个以代码为中心的 profile，AI peer 观察用户但不自我建模：

"aigenlabs.coder": {
  "aiPeer": "coder",
  "observation": {
    "user": { "observeMe": true, "observeOthers": true },
    "ai":   { "observeMe": false, "observeOthers": true }
  }
}

Observation 开关（每个 peer 一组）：

开关	效果
`observeMe`	Honcho 根据该 peer 自身的消息构建其表示
`observeOthers`	该 peer 观察另一 peer 的消息（用于跨 peer 推理）

通过 observationMode 使用预设：

"directional"（默认）——四个标志全部开启。完全互相观察；启用跨 peer 辩证。
"unified"——用户 observeMe: true，AI observeOthers: true，其余为 false。单一观察者池；AI 对用户建模但不自我建模，用户 peer 仅自我建模。

通过 Honcho 控制台设置的服务端开关优先于本地默认值——在会话初始化时同步回来。

参见 Honcho 页面获取完整的 observation 参考。

完整 honcho.json 示例（多 profile）

{
  "apiKey": "your-key",
  "workspace": "aigenlabs",
  "peerName": "eri",
  "hosts": {
    "aigenlabs": {
      "enabled": true,
      "aiPeer": "aigenlabs",
      "workspace": "aigenlabs",
      "peerName": "eri",
      "recallMode": "hybrid",
      "writeFrequency": "async",
      "sessionStrategy": "per-directory",
      "observation": {
        "user": { "observeMe": true, "observeOthers": true },
        "ai": { "observeMe": true, "observeOthers": true }
      },
      "dialecticReasoningLevel": "low",
      "dialecticDynamic": true,
      "dialecticCadence": 2,
      "dialecticDepth": 1,
      "dialecticMaxChars": 600,
      "contextCadence": 1,
      "messageMaxChars": 25000,
      "saveMessages": true
    },
    "aigenlabs.coder": {
      "enabled": true,
      "aiPeer": "coder",
      "workspace": "aigenlabs",
      "peerName": "eri",
      "recallMode": "tools",
      "observation": {
        "user": { "observeMe": true, "observeOthers": false },
        "ai": { "observeMe": true, "observeOthers": true }
      }
    },
    "aigenlabs.writer": {
      "enabled": true,
      "aiPeer": "writer",
      "workspace": "aigenlabs",
      "peerName": "eri"
    }
  },
  "sessions": {
    "/home/user/myproject": "myproject-main"
  }
}

参见配置参考和 Honcho 集成指南。

OpenViking

由 Volcengine（ByteDance）提供的上下文数据库，具备文件系统式知识层级、分层检索，以及自动将记忆提取为 6 个类别的功能。


适合场景	具有结构化浏览功能的自托管知识管理
依赖	`pip install openviking` + 运行中的服务器
数据存储	自托管（本地或云端）
费用	免费（开源，AGPL-3.0）

工具： viking_search（语义搜索）、viking_read（分层：摘要/概览/全文）、viking_browse（文件系统导航）、viking_remember（存储事实）、viking_add_resource（导入 URL/文档）

安装：

# 先启动 OpenViking 服务器
pip install openviking
openviking-server

# 然后配置 AigenLabs
aigenlabs memory setup    # 选择 "openviking"
# 或手动配置：
aigenlabs config set memory.provider openviking
echo "OPENVIKING_ENDPOINT=http://localhost:1933" >> ~/.aigenlabs/.env

主要特性：

分层上下文加载：L0（约 100 tokens）→ L1（约 2k）→ L2（完整）
会话提交时自动提取记忆（profile、偏好、实体、事件、案例、模式）
viking:// URI 方案用于层级知识浏览

Mem0

服务端 LLM 事实提取，具备语义搜索、重排序和自动去重功能。


适合场景	免维护的记忆管理——Mem0 自动处理提取
依赖	`pip install mem0ai` + API key
数据存储	Mem0 Cloud
费用	Mem0 定价

工具： mem0_profile（所有已存储记忆）、mem0_search（语义搜索 + 重排序）、mem0_conclude（逐字存储事实）

安装：

aigenlabs memory setup    # 选择 "mem0"
# 或手动配置：
aigenlabs config set memory.provider mem0
echo "MEM0_API_KEY=your-key" >> ~/.aigenlabs/.env

配置： $AIGENLABS_HOME/mem0.json

键	默认值	描述
`user_id`	`aigenlabs-user`	用户标识符
`agent_id`	`aigenlabs`	Agent 标识符

Hindsight

具备知识图谱、实体解析和多策略检索的长期记忆。hindsight_reflect 工具提供其他提供者均不具备的跨记忆合成能力。自动保留完整对话轮次（包括工具调用），并进行会话级文档追踪。


适合场景	基于知识图谱的实体关系召回
依赖	云端：来自 ui.hindsight.vectorize.io 的 API key。本地：LLM API key（OpenAI、Groq、OpenRouter 等）
数据存储	Hindsight Cloud 或本地嵌入式 PostgreSQL
费用	Hindsight 定价（云端）或免费（本地）

工具： hindsight_retain（带实体提取的存储）、hindsight_recall（多策略搜索）、hindsight_reflect（跨记忆合成）

安装：

aigenlabs memory setup    # 选择 "hindsight"
# 或手动配置：
aigenlabs config set memory.provider hindsight
echo "HINDSIGHT_API_KEY=your-key" >> ~/.aigenlabs/.env

安装向导会自动安装依赖，并仅安装所选模式所需的内容（云端用 hindsight-client，本地用 hindsight-all）。需要 hindsight-client >= 0.4.22（会话启动时若版本过旧则自动升级）。

本地模式 UI： hindsight-embed -p aigenlabs ui start

配置： $AIGENLABS_HOME/hindsight/config.json

键	默认值	描述
`mode`	`cloud`	`cloud` 或 `local`
`bank_id`	`aigenlabs`	记忆库标识符
`recall_budget`	`mid`	召回彻底程度：`low` / `mid` / `high`
`memory_mode`	`hybrid`	`hybrid`（上下文 + 工具）、`context`（仅自动注入）、`tools`（仅工具）
`auto_retain`	`true`	自动保留对话轮次
`auto_recall`	`true`	每轮对话前自动召回记忆
`retain_async`	`true`	在服务器上异步处理保留操作
`retain_context`	`conversation between AigenLabs Agent and the User`	保留记忆的上下文标签
`retain_tags`	—	应用于保留记忆的默认标签；与每次工具调用的标签合并
`retain_source`	—	附加到保留记忆的可选 `metadata.source`
`retain_user_prefix`	`User`	自动保留的对话记录中用户轮次前的标签
`retain_assistant_prefix`	`Assistant`	自动保留的对话记录中助手轮次前的标签
`recall_tags`	—	召回时用于过滤的标签

完整配置参考参见插件 README。

Holographic

本地 SQLite 事实存储，具备 FTS5 全文搜索、信任评分和 HRR（Holographic Reduced Representations，全息降维表示）用于组合代数查询。


适合场景	无外部依赖的纯本地高级检索记忆
依赖	无（SQLite 始终可用）。NumPy 可选，用于 HRR 代数。
数据存储	本地 SQLite
费用	免费

工具： fact_store（9 个动作：add、search、probe、related、reason、contradict、update、remove、list）、fact_feedback（有用/无用评分，用于训练信任评分）

安装：

aigenlabs memory setup    # 选择 "holographic"
# 或手动配置：
aigenlabs config set memory.provider holographic

配置： plugins.aigenlabs-memory-store 下的 config.yaml

键	默认值	描述
`db_path`	`$AIGENLABS_HOME/memory_store.db`	SQLite 数据库路径
`auto_extract`	`false`	会话结束时自动提取事实
`default_trust`	`0.5`	默认信任评分（0.0–1.0）

独特能力：

probe — 针对特定实体的代数召回（某人/某物的所有事实）
reason — 跨多个实体的组合 AND 查询
contradict — 自动检测冲突事实
信任评分，带非对称反馈（有用 +0.05 / 无用 -0.10）

RetainDB

云端记忆 API，具备混合搜索（向量 + BM25 + 重排序）、7 种记忆类型和增量压缩。


适合场景	已使用 RetainDB 基础设施的团队
依赖	RetainDB 账号 + API key
数据存储	RetainDB Cloud
费用	$20/月

工具： retaindb_profile（用户 profile）、retaindb_search（语义搜索）、retaindb_context（任务相关上下文）、retaindb_remember（带类型和重要性的存储）、retaindb_forget（删除记忆）

安装：

aigenlabs memory setup    # 选择 "retaindb"
# 或手动配置：
aigenlabs config set memory.provider retaindb
echo "RETAINDB_API_KEY=your-key" >> ~/.aigenlabs/.env

ByteRover

通过 brv CLI 实现持久化记忆——具备分层知识树和分层检索（模糊文本 → LLM 驱动搜索）。本地优先，可选云端同步。


适合场景	希望使用可移植、本地优先记忆和 CLI 的开发者
依赖	ByteRover CLI（`npm install -g byterover-cli` 或安装脚本）
数据存储	本地（默认）或 ByteRover Cloud（可选同步）
费用	免费（本地）或 ByteRover 定价（云端）

工具： brv_query（搜索知识树）、brv_curate（存储事实/决策/模式）、brv_status（CLI 版本 + 树状统计）

安装：

# 先安装 CLI
curl -fsSL https://byterover.dev/install.sh | sh

# 然后配置 AigenLabs
aigenlabs memory setup    # 选择 "byterover"
# 或手动配置：
aigenlabs config set memory.provider byterover

主要特性：

自动预压缩提取（在上下文压缩丢弃内容前保存洞察）
知识树存储于 $AIGENLABS_HOME/byterover/（profile 范围隔离）
SOC2 Type II 认证的云端同步（可选）

Supermemory

语义长期记忆，具备 profile 召回、语义搜索、显式记忆工具，以及通过 Supermemory graph API 进行会话结束时的对话导入。


适合场景	带用户 profile 和会话级图谱构建的语义召回
依赖	`pip install supermemory` + API key
数据存储	Supermemory Cloud
费用	Supermemory 定价

工具： supermemory_store（保存显式记忆）、supermemory_search（语义相似度搜索）、supermemory_forget（按 ID 或最佳匹配查询遗忘）、supermemory_profile（持久化 profile + 近期上下文）

安装：

aigenlabs memory setup    # 选择 "supermemory"
# 或手动配置：
aigenlabs config set memory.provider supermemory
echo 'SUPERMEMORY_API_KEY=***' >> ~/.aigenlabs/.env

配置： $AIGENLABS_HOME/supermemory.json

键	默认值	描述
`container_tag`	`aigenlabs`	用于搜索和写入的容器标签。支持 `{identity}` 模板用于 profile 范围隔离。
`auto_recall`	`true`	在每轮对话前注入相关记忆上下文
`auto_capture`	`true`	每次响应后存储清理过的用户-助手轮次
`max_recall_results`	`10`	格式化为上下文的最大召回条目数
`profile_frequency`	`50`	在第一轮及每 N 轮包含 profile 事实
`capture_mode`	`all`	默认跳过过短或无意义的轮次
`search_mode`	`hybrid`	搜索模式：`hybrid`、`memories` 或 `documents`
`api_timeout`	`5.0`	SDK 和导入请求的超时时间

环境变量： SUPERMEMORY_API_KEY（必填）、SUPERMEMORY_CONTAINER_TAG（覆盖配置）。

主要特性：

自动上下文隔离——从捕获的轮次中剥离已召回的记忆，防止递归记忆污染
在会话边界时将整个会话一次性导入
会话结束时同时导入到对话端点（/v4/conversations），用于 Supermemory 的 profile 和图谱构建
在第一轮及可配置间隔注入 profile 事实
Profile 范围容器——在 container_tag 中使用 {identity}（例如 aigenlabs-{identity} → aigenlabs-coder），按 AigenLabs profile 隔离记忆
多容器模式——启用 enable_custom_container_tags 并配置 custom_containers 列表，让 Agent 跨命名容器读写。自动操作（同步、预取）保持在主容器上。

多容器示例

{
  "container_tag": "aigenlabs",
  "enable_custom_container_tags": true,
  "custom_containers": ["project-alpha", "shared-knowledge"],
  "custom_container_instructions": "Use project-alpha for coding context."
}

支持： Discord · support@supermemory.com

提供者对比

提供者	存储	费用	工具数	依赖	独特特性
Honcho	云端	付费	5	`honcho-ai`	辩证用户建模 + 会话范围上下文
OpenViking	自托管	免费	5	`openviking` + 服务器	文件系统层级 + 分层加载
Mem0	云端	付费	3	`mem0ai`	服务端 LLM 提取
Hindsight	云端/本地	免费/付费	3	`hindsight-client`	知识图谱 + reflect 合成
Holographic	本地	免费	2	无	HRR 代数 + 信任评分
RetainDB	云端	$20/月	5	`requests`	增量压缩
ByteRover	本地/云端	免费/付费	3	`brv` CLI	预压缩提取
Supermemory	云端	付费	4	`supermemory`	上下文隔离 + 会话图谱导入 + 多容器

Profile 隔离

每个提供者的数据按 profile 隔离：

本地存储提供者（Holographic、ByteRover）使用 $AIGENLABS_HOME/ 路径，各 profile 路径不同
配置文件提供者（Honcho、Mem0、Hindsight、Supermemory）将配置存储在 $AIGENLABS_HOME/ 中，每个 profile 拥有独立凭证
云端提供者（RetainDB）自动派生 profile 范围的项目名称
环境变量提供者（OpenViking）通过每个 profile 的 .env 文件配置

构建记忆提供者

参见开发者指南：Memory Provider 插件了解如何创建自己的提供者。

快速开始​

工作原理​

可用提供者​

Honcho​

新建 profile，创建新 Honcho peer​

为现有 profile 补充 Honcho peer​

每个 profile 的 observation 配置​

OpenViking​

Mem0​

Hindsight​

Holographic​

RetainDB​

ByteRover​

Supermemory​

提供者对比​

Profile 隔离​

构建记忆提供者​

快速开始

工作原理

可用提供者

Honcho

新建 profile，创建新 Honcho peer

为现有 profile 补充 Honcho peer

每个 profile 的 observation 配置

OpenViking

Mem0

Hindsight

Holographic

RetainDB

ByteRover

Supermemory

提供者对比

Profile 隔离

构建记忆提供者