你给 Agent 挑“记忆系统”的时候靠什么判断好坏？大概率是 README 里的架构图、Star 数，或者公众号软文。而海外社区已经厌倦了这套——8月13日，一个叫 Agent Memory Leaderboard（AML）的项目在 Hacker News 上贴出了第一批公开评测结果：136 支队伍报名，69 个有代表性的记忆框架实际交卷，用同一套题、同一把尺子量完。商业产品榜的头名 MemoraX 拿了 58.02 分，第二名 MemOS 落后它超过 12 分。
记住这个数字。下次有人向你推销“让 Agent 拥有完美记忆”的产品，先问一句：你上过榜吗？分数是多少？
这一批 Show HN 里，像这样中文圈还很少有人系统写过的硬货不止一件。今天拆四件正货加一件顺手货，共同点是：都不追模型热点，都在干模型身后那些没人愿干的脏活——记性怎么验、存储怎么写、聊天记录怎么管、发版日志谁来写。
先说清楚这个榜的玩法，因为它比分数本身更有信息量。
AML 把评测边界切得很干净：记忆系统只负责 Add（写入）和 Search（检索）两步，答题和打分都在基准侧完成。用一张图看这个分工：
sequenceDiagram
participant A as Agent应用
participant M as 记忆系统
participant B as 评测基准
A->>M: 写入记忆 Add
A->>M: 检索记忆 Search
B->>A: 提出问题
A->>B: 给出回答
B->>B: 统一打分 Eval
这解决了记忆评测的老毛病：以前各家都在自己的样例数据上自测自夸，跑分不可比、结果不可复现。现在 69 个框架站在同一条起跑线上，榜单分开源方法、商业产品两条赛道，首批公开的是文本记忆（Text Memory）评测。
商业榜前三名：MemoraX 58.02 分、MemOS 45.89 分、NTES-MEMORY-SMART 44.21 分。两个值得咀嚼的细节：一是头名领先第二名 12.13 分，说明这个赛道各家差距拉开得很快，“随便选一个都差不多”的认知已经过时；二是第三名 NTES-MEMORY-SMART，前缀 NTES 正是网易在纳斯达克的股票代码——中国团队已经坐在这张牌桌上了，只是国内几乎没人谈论这张榜。
为什么值得关注：国内做 Agent 应用的团队，选记忆方案时基本处于“看 Star 数 + 看融资新闻”的蒙眼状态。这个榜是第一个公开、可复现、横跨 69 家的横评。哪怕你不直接采用榜上产品，它的评测口径（Add/Search 与答题分离）也值得抄走当验收标准。
与国内的差距：国内不缺记忆系统（开源榜上一堆华人主导的项目），缺的是这种“第三方开榜”的评测文化。谁的README写得狠谁吃流量，最后大家都在卷 PPT。
第二件是我个人觉得最“值钱”的：GitHub 上的开源项目 relational-to-kv，MIT 协议，作者 rockeet——从仓库的各种关联看，正是 ToplingDB 阵营的核心开发者。
它解决的问题一句话说完：Sui、Aptos、NEAR 这些高性能公链的数据模型其实是标准的关系模型，但它们全都绕开了 SQL 抽象层，手工把关系模型翻译成 KV 键值对，直接塞进 RocksDB——这正是它们性能炸裂的秘密之一。 README 里还列了一串同门：Solana 的 Blockstore、Kafka Streams 和 Flink 的状态后端，底层全是 RocksDB。
问题在于，过去这套手艺门槛极高：键空间怎么切、字节序怎么编、范围删除怎么定边界、迁移怎么留后路，全靠存储专家手工设计，只有养得起专职存储团队的厂才玩得起。AI 来写呢？README 说得很扎心：放任 AI 自由发挥，经常交出一个“今天能跑、六个月后要重写”的布局。
relational-to-kv 的做法是把这套专家知识显式封装成 AI 编码技能包——注意，它不是 ORM，不是 SQL 兼容层，也不是运行时库，而是给 Cursor、Claude Code、Codex 统一投喂的规则和模板：技能包里带着 P1–P8 八条设计模式、AP1–AP12 条访问模式清单、编码规范和交付模板，让 Agent 按规矩出牌而不是即兴创作。完整流水线长这样：
flowchart TD
A["关系模型<br/>实体 关系 索引"] --> B["盘点访问模式<br/>点查 扫描 写删"]
B --> C["推导键空间<br/>主键 反查 二级索引"]
C --> D["定字节序编码<br/>memcmp 安全"]
D --> E["映射列族与引擎<br/>RocksDB 或 ToplingDB"]
E --> F["补一致性规则<br/>原子组 清理 迁移"]
F --> G{"人工审查<br/>访问模式与目录"}
G -->|通过| H["接受生成的键代码"]
G -->|不通过| B
最终交付四样东西：Key Space Catalog（键空间目录）、memcmp 安全的键编码 C++ 代码、列族与引擎配置、一致性/清理/迁移方案。作者反复强调一条底线：人负责业务语义和访问模式的取舍，AI 负责把决策兑现成一致、可审查的实现——审查不通过就打回重来。
上手只要两条命令（Claude Code 场景）：
git clone https://github.com/rockeet/relational-to-kv.git
claude --plugin-dir "$PWD/relational-to-kv"
# 之后用 /relational-to-kv:relational-to-kv 调用
Cursor 用户走 ~/.cursor/plugins/local 的本地插件目录，Codex 也有对应 manifest，三大编码 Agent 全覆盖。贴心的是，仓库所有文档都自带 .zh.md 中文版。
为什么值得关注：国内是 RocksDB 消耗大户——TiKV、MyRocks 一脉的存储生态养着大量工程师，面试和真实项目里“KV 键怎么设计”是道高频难题。现在这道题有了一个专家级的 Agent 外挂。适用人群：写存储引擎的、做高性能后端的、被 AI 乱建表坑到重写过的所有人。
第三件最轻，但戳的痛点最普遍。你和 ChatGPT、Claude 聊了两年，导出过那份 JSON 吗？导出了之后打开过第二次吗？绝大多数人的答案是：导出即埋葬。
Chatlens（GitHub: david-g-3654/chatlens）给的方案简单到离谱：一个约 85KB 的单文件 HTML，无构建步骤、无后端、不上传任何数据。下载、双击打开、把你从 ChatGPT 导出的 JSON 拖进去，全部历史对话就能离线搜索和浏览。限制也写得明白：导出里的附件和图片只按文本引用呈现，不做渲染。
为什么值得关注：三条理由。第一，数据主权——你的完整 AI 对话史不该躺在别人的云上，本地可搜才叫真正拥有；第二，合规敏感岗位（金融、法务、医疗）的人，既离不开 AI 又不敢让记录到处散，纯离线检索是刚需；第三，实用价值被严重低估——三个月前你让 AI 写过的那段正则、聊过的那个方案，全在这份 JSON 里，只是你从来没有趁手的铲子。
国内同类工具大多走“同步到云端再搜索”的路子，这条纯本地方案在国内几乎见不到同类。免费，单文件，值得塞进每个人的工具收藏夹。
第四件是个小而准的工具：ChangelogFast（changelogfa.st），作者的动机写在 Show HN 标题里——“我的 PM 天天问‘这功能发了没’，所以我把 Release Notes 自动化了”。
它盯着代码仓库的变动，自动生成面向人的更新日志。技术上没什么黑魔法，但它切中的是每个研发团队都经历过的拉扯：工程师觉得“提交记录里都有”，PM 和用户要的是人话版。八月中旬上线，HN 上已有讨论。免费程度和定价页未细标，上手前自行确认。
顺手货一件：同一批里还有个 Interspectr（interspectr.com），把职位描述里的职位、公司、地点粘贴进去，自动调研公司背景并生成行为面、技术面、公司定制三类预测题，答完给结构反馈，可导出 PDF/DOCX 带去面试。免费层之外 $4.99/月，技术栈是 Gemini 加 Cloud Run，作者称已帮到 40 多人。面试季可以一试。
| 你可能以为的 | 实际情况 |
|---|---|
| 记忆系统好坏看 Star 数和融资 | 已有 69 个框架同台评测，头名 58.02 分，第二名落后 12 分 |
| 手写 KV 映射是存储大厂专利 | 公链玩法已封装成 Skill，Cursor/Claude Code/Codex 装上就能用 |
| 聊天记录导出了就等于拥有了 | 导出的 JSON 没法搜，85KB 单文件才是打开它的钥匙 |
| Release Notes 必须人写 | 有工具盯仓库自动出稿，PM 不用再问"发了没" |
| 面试准备只能海搜面经 | 贴个 JD 就能生成三类预测题，$4.99/月 |
--plugin-dir 挂进 Claude Code，挑一个你最头疼的老模块试跑 Key Space Catalog，对照 AI 给出的键空间设计和你的手写版；本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。