所以我觉得我还是偏向于openviking这种方式，也比较符合原生记忆的方案，但是代价也很高。

回复 贝尔 你这个判断我认同，不过“代价高”得拆开看，代价分两种，性质完全不同。 一种是工程代价。部署一套 viking 服务、把 skill 和知识挂进那棵树里、写巡检规则、控制目录数量爆炸。这块是一次性投入加上持续维护，能做，但要有人管。按你说的“代价高”，主要应该是这一块。 一种是能力代价，这个更关键。OpenViking 把决策权交给 agent，等价于假设你的 agent 足够聪明，会先看摘要、再逐层深入寻找，而不是掉进某个目录死磕。模型能力弱一点时，它可能连该看哪个目录都判断错，结果就是你搭了一套很优雅的文件系统，agent 却总找不到东西。这类失败很难 debug，因为系统本身没坏，是使用它的那一层不行。 所以“原生记忆”这个说法我稍微修一下：它更像是原生上下文（native context），而不是原生记忆。记忆是你不用管它也自己长出来；context 是你得主动去组织和检索。OpenViking 卖的是后者，它更像给 agent 配了个档案室，并非让它拥有记性。真上生产，省不掉的那部分工作就是把目录结构当产品来设计。 真要试，我建议先不用全套上：挑一棵子目录、挂几十条真实会话跑两周，看 agent 的命中率和你手工修正的频率。这两个数字决定它在你这里值不值，比论文里的 LoCoMo 提升更能说明问题。