开源项目记忆系统Claude Code 源码解析（01）Memory：文件化长期记忆、会话压缩与后台整理这篇源码解析基于本地 Claude Code 源码，拆解 Memory 如何被默认启用、何时通过主 agent、extractMemories、session memory 和 autoDream 写入，为什么它默认不是向量库，而是用 Markdown 文件、MEMORY.md 索引、文本检索和后台整理组成长期记忆系统。打开资源
论文记忆系统From Facts to Insights: A Persona-Driven Dual Memory Framework and Dataset for Role-Playing Agents这篇论文指出，角色扮演 agent 的长期记忆不能只保存中性的事实摘要；高保真人设对话需要把分散事实解释成人设视角下的 insight。作者提出 RoleMemo 数据集，覆盖 2052 个 persona、1702 个话题、最长 256k token 对话历史和 20244 个查询，任务要求 agent 跨会话整合事实并做 persona-driven interpretation。基于 RoleMemo，论文提出 DualMem：把记忆解耦为 factual cognition 和 insight cognition，两者共同存入统一 memory bank，并通过 SFT 与多轮轨迹 RL 训练 4B 记忆构建模型。实验显示 DualMem-RL 在 Fact Recall@10、Insight Recall@10 和角色扮演质量上均超过 persona-agnostic memory baselines，并在 32k 到 256k 上下文长度下保持更稳定表现。打开资源
论文记忆系统Inside Out: Evolving User-Centric Core Memory Trees for Long-Term Personalized Dialogue Systems这篇论文研究长期个性化对话系统中的记忆演化问题。作者提出 Inside Out 框架，用一个全局维护的 PersonaTree 作为长期用户画像载体：树干由生物-心理-社会模型约束，枝叶通过 ADD、UPDATE、DELETE、NO_OP 等原子操作随对话动态演化。为了让小模型也能维护记忆，论文用 28k 指令数据训练 MemListener，并通过过程奖励强化学习让它生成结构化、可执行、可解释的树操作。推理阶段，系统在低延迟场景直接读取 PersonaTree；遇到长尾细节需求时，再触发 agentic recall 进行查询扩展、并行检索和融合生成。实验显示，PersonaTree 在 PersonaMem 上跨三种响应模型稳定超过全文拼接和 LangMem、Mem0、A-Mem、MemoryOS 等记忆系统；训练后的 Qwen 系列小模型在记忆操作决策上能接近甚至超过强推理模型，同时把平均记忆上下文压缩到约 2.2K 到 2.6K tokens。打开资源
论文记忆系统MAGMA: A Multi-Graph based Agentic Memory Architecture for AI AgentsMAGMA 面向长期交互中的 agent 记忆问题，指出很多 Memory-Augmented Generation 系统仍把记忆放在扁平向量库或单一叙事结构中，导致语义、时间、因果和实体关系纠缠在一起。论文提出一个多图记忆架构：每个事件节点同时进入语义图、时间图、因果图和实体图，查询时由意图感知路由器选择相关关系视图，再通过自适应启发式 beam search 遍历图结构并线性化为可追溯上下文。系统还用双流写入机制把低延迟事件摄入和异步结构巩固拆开。实验显示 MAGMA 在 LoCoMo 的 LLM-as-a-Judge 总分达到 0.700，在 LongMemEval 平均准确率达到 61.2%，并以 1.47 秒平均查询延迟优于 A-MEM、MemoryOS 和 Nemori 等记忆基线。打开资源
开源项目记忆系统soul-protocol 的记忆设计：不是把聊天塞进向量库，而是一条分层的认知管线这篇项目讲解基于本地 soul-protocol 源码，拆解它的记忆系统如何从 observe 触发写入、按显著性和事实抽取分层存储、用去重与 supersede 处理冲突，再通过 BM25/ACT-R、图谱增强和可选 LLM rerank 完成召回。打开资源
论文演化与自我改进Agentic Context Engineering: Evolving Contexts for Self-Improving Language ModelsACE 将大模型应用中的上下文视为可持续演化的 playbook，而不是一次性写好的静态提示。它通过 Generator 产生执行轨迹，Reflector 从成功和失败中提取可复用经验，Curator 再以增量 delta 更新方式把经验合并进结构化上下文，从而缓解简短偏置和上下文坍缩。实验显示，ACE 在 AppWorld 智能体任务、金融分析、医疗推理和文本到 SQL 等场景中持续提升表现，并在适应延迟、rollout 数和部分 token 成本上优于 GEPA 与动态备忘录等强基线。打开资源
论文Skill 自进化AutoSkill: Experience-Driven Lifelong Learning via Skill Self-EvolutionAutoSkill 提出一种面向 LLM Agent 的经验驱动终身学习框架：系统不再只把跨会话偏好保存为原始记忆，而是从对话与交互轨迹中抽取可复用行为，沉淀为标准化、可编辑、可版本化的 SKILL.md 工件。AutoSkill 覆盖技能抽取、结构化表示、混合检索、推理时注入、实时演化、版本合并和存储部署等完整生命周期，使 Agent 能在不重训底座模型的情况下持续积累用户偏好、写作风格、工具流程和领域操作规范。论文还基于 WildChat-1M 构建四个 SkillBank 子集，展示从真实中英文对话中抽取 1858 个技能的规模、类别分布、标签分布和版本演化案例。打开资源
开源项目Agent 架构Claude Code 源码解析（02）Checkpoint Snapshot：Rewind 如何同时回退对话和代码这篇源码解析基于本地 Claude Code 源码，拆解 /rewind 与 /checkpoint 背后的 file-history snapshot：什么时候创建检查点，文件旧版本如何备份到 ~/.claude/file-history，metadata 如何写入 transcript，以及恢复时为什么对话回退和代码回滚是两条并行路径。打开资源
