MCP Memory三家横评：Hindsight学习型 vs MemoryOS分层型 vs RAG工具箱型 ​

装错一家长会话照样失忆。先想清楚要"学习"、"画像演化"还是"检索零件"。

问题本质 ​

不少人给Agent接上MCP Memory后，长会话仍然会失忆。

问题不在MCP协议，在你装的是哪个Memory服务器。

社区里能拿出来用的MCP Memory实现，活跃的就这么三家：

一句话总结：多数横评只比谁分高、谁好装，没人说清这三家做的根本不是同一件事。

一、三家记忆模型对比 ​

Hindsight：学习型 ​

GitHub：https://github.com/vectorize-io/hindsight

核心三动作：

与其他两家的最大差别：reflect（推理）

• 写入时：结构化事实抽取、实体消歧、知识图谱构建
• 查询时：cross-encoder重排

代价：每次交互多烧1-3k token

MemoryOS：分层OS型 ​

GitHub：https://github.com/BAI-LAB/MemoryOS

设计借鉴操作系统内存管理：

三层架构：

RAG Memory：工具箱型 ​

两个分支：

特点：不讲"记忆理论"，把存储、检索、图查询全部以MCP工具形式expose出来。

二、关键指标对比 ​

上手时间 ​

资源占用 ​

Benchmark透明度 ​

三、三种场景选型建议 ​

场景A：接上去就能跑、长会话不糊 ​

推荐：Hindsight

不适合：极度在意token成本、纯本地小模型、记忆量级超百万条

场景B：长期陪伴型Agent ​

推荐：MemoryOS

不适合：纯检索型RAG、对benchmark透明度有硬要求、多租户隔离

场景C：知识库+多项目隔离+精确调度 ​

推荐：RAG Memory（thiago4go fork）

不适合：7B以下小模型驱动、想"装上就忘了它的存在"、对部署复杂度敏感

四、核心结论 ​

装错一家长会话照样失忆，选型要走对，先得看清这一层。

关键词：MCP Memory, Hindsight, MemoryOS, RAG Memory, Agent记忆, 知识库