OptMem：426 Token 的 AI 记忆方案，和「重框架」说再见
OptMem：426 Token 的 AI 记忆方案，和「重框架」说再见
AI Agent 的记忆系统正在经历一场"静默革命"。过去两年，主流方案是向量数据库 + 嵌入模型 + RAG 管线——重、慢、绑定供应商。2026 年 7 月 25 日，一个叫 OptMem 的项目出现在 GitHub 上，两天冲到 289 Star，只用了 426 token 的 system prompt + 一个零依赖 Python 文件。
它的作者是 Victor Taelin——HVM（高阶虚拟机）和 Kind 编程语言的创建者。一个以"极简系统设计"闻名的人，出手解决 Agent 记忆问题，结果如预期般激进。
一、OptMem 是什么：六个命令，一个文件
OptMem 的核心是一个 Python 脚本（memo），只有标准库依赖。安装：
curl -fsSL https://raw.githubusercontent.com/VictorTaelin/OptMem/main/install.sh | sh
它打印一段 426 token 的 ## Memory 块，贴到 Agent 的 AGENTS.md 顶部即可。六个命令：
| 命令 | 作用 | 触发时机 |
|---|---|---|
memo wake |
读取压缩记忆上下文 | 每会话第一条命令 |
memo note "..." |
记录新记忆（≤280 字符） | Agent 学到或发生了值得记住的事 |
memo nap |
执行待处理的压缩合并 | note 提示"该 nap 了"时 |
memo recall <regex> |
正则搜索全部原始记忆 | 需要翻旧账 |
memo zoom <lo>-<hi> |
展开压缩块到子块 | 需要细节 |
memo forget <lo>-<hi> |
删除坏摘要，nap 重建 | 压缩质量出问题 |
没有后台进程。没有向量化。没有嵌入模型。Agent 只在 note 提示时手动触发 nap。
二、核心设计：定长记录 × 二叉树压缩
OptMem 的设计哲学可以用一句话概括：位置即身份。
定长记录：O(1) 寻址
每条记忆 → 固定 320 字节 → 物理偏移量 = 逻辑 ID
不需要 B-Tree、不需要倒排索引、不需要哈希表。Agent 要读第 N 条记忆，seek 到 N × 320 字节直接读。一百万条记忆（608 MB），wake 耗时 0.03 秒。
这种设计的约束也很明显：每条记忆 ≤ 280 字符（中英文混合约 70-140 个字）。对复杂叙事不够，但对"决定/事实/教训/偏好"刚刚好——而这恰好是 Agent 最需要记住的东西。
二叉树压缩：越旧越粗
记忆不是等权重的。昨天的对话比去年的对话更需要逐字保留。OptMem 用自适应粒度的二叉树覆盖解决这个问题：
最近 N 条 → 原样逐字保留
稍旧的 → 2条合并为1行摘要
更旧的 → 4条→1行，8条→1行……
远古 → 大片历史坍缩为一行总结
wake 的输出被控制在 WAKE_LINES 行内（默认 208 行 ≈ 16K token）。无论积累多少记忆，context 预算始终不变——这是它与所有"窗口内注入"方案的本质区别。
recall 不走压缩层——它正则搜索 LOG.txt 原始文件，逐字匹配。这意味着远古记忆虽然不常出现在 wake 中，但可以通过关键词瞬间召回。
append-only：不可摧毁
LOG.txt 只追加，永不原地修改。这是一种"事件溯源"模式——每一条 note 都是不可变事件，压缩树是纯缓存，误删后从 LOG 完全重建。没有损坏风险，没有迁移锁。
三、三方对比：OptMem vs Hermes vs nanobot
目前 AI Agent 生态中，有三种代表性的记忆路线：
| 维度 | OptMem | Hermes Memory | nanobot Dream |
|---|---|---|---|
| 设计哲学 | 极简工具：记忆是文件格式 | 集成系统：记忆是框架功能 | 异步周期：记忆是背景任务 |
| 存储格式 | 定长 append-only 文本 | 语义文件（MEMORY.md + USER.md） | MEMORY.md + history.jsonl |
| 检索方式 | 正则全文搜索 | FTS5 语义搜索 | 全文注入 context |
| 压缩策略 | 确定性二叉树 merge | Session compaction 摘要 | Dream 周期性 LLM 提取 |
| 去重 | Agent 自己判断 | 操作级 replace/remove | Dream 批量去重 |
| 写入触发 | Agent 主动调用 note |
事件驱动（用户说"记住"） | 时间驱动（Dream 定时触发） |
| 上下文管理 | 固定 token 预算，自适应粒度 | Session 窗口 + 压缩摘要 | 全文注入 + 历史回放 |
| 跨模型 | ✅ 完全不绑定 | ✅ 不绑定 | ✅ 不绑定 |
| 依赖 | Python stdlib | Hermes 运行时 | nanobot 运行时 |
| 迁移成本 | 复制 ~/.optmem/memory/ |
导出/导入 | 复制 workspace |
| 成熟度 | 2 天 | 生产级 | v0.2.x |
路线一：OptMem — 「记忆是文件格式」
OptMem 的核心洞见是：Agent 记忆应该像 Git 仓库一样可移植。不绑定框架、不绑定平台、不绑定模型。换一个 Agent 框架，把 ~/.optmem/memory/ 复制过去就行。
它的局限也很明确：
- 正则搜索无法理解语义——"recall 咖啡"找不到"每天两杯拿铁"
- 280 字符/条对复杂上下文偏短
- 没有自动去重——Agent 可能重复记录同一事实
- 子 Agent 被显式禁止写记忆
路线二：Hermes Memory — 「记忆是框架功能」
Hermes 的记忆系统深度绑定其运行时：双文件模型（环境 vs 偏好分离）、FTS5 语义搜索、操作级去重、session_search 跨会话检索。这套系统在深度使用场景中表现出色——记忆不仅是"存了什么"，还有"怎么搜"。
但代价是：一旦离开 Hermes 生态，记忆数据需要导出和适配。它不是可移植的文件格式，而是一个集成在运行时中的能力。
路线三：nanobot Dream — 「记忆是背景任务」
nanobot 的 Dream 是异步周期任务：定时读取累积的对话历史，用 LLM 提取关键事实，更新 MEMORY.md。这种模式的好处是不打断 Agent 的主工作流——记忆更新不消耗主会话的 token 预算。
但代价是时效性滞后——一次重要对话结束后，关键信息可能要等到下一个 Dream 周期才进入长期记忆。如果说 Hermes 是"即时写入"，OptMem 是"按需写入"，Dream 就是"延迟写入"。
四、为什么 OptMem 值得关注：AI 记忆的「Unix 哲学」
OptMem 最重要的不是技术实现，而是设计态度。
当前的 AI 记忆方案普遍陷入"框架化"——你要用记忆，就得用整个 Agent 框架。向量数据库、嵌入模型、RAG 管线、token 预算管理——每一个都是重量级依赖，每换一个平台就要重新搭。
OptMem 回到了 Unix 哲学的源头：做一件事，把它做好。一个文件、六个命令、零依赖。记忆成为 Agent 可以随身携带的"外脑"，而不是被锁在某个框架里。
Victor Taelin 之前最知名的作品是 HVM（高阶虚拟机）——一个用"交互组合子"替代 Lambda 演算的计算模型。他的设计风格一贯是"根除复杂性"而非"管理复杂性"。OptMem 延续了这一路线。
五、选型指南
选 OptMem，如果你：
- 用 Claude Code / Codex CLI / Cursor 等不绑定框架的 Agent
- 看重零依赖和可移植性
- 记忆以短事实/决策/偏好为主
- 不需要语义搜索
选 Hermes Memory，如果你：
- 已是 Hermes 深度用户，有技能和 cron pipeline
- 需要FTS5 语义搜索和跨会话检索
- 记忆量大且需要自动去重
- 接受框架绑定
选 nanobot Dream，如果你：
- 需要异步、不打断主流程的记忆更新
- 团队使用 nanobot 且已配置 multi-channel
- 对时效性要求不高（可接受延迟写入）
三者组合使用
并非互斥。OptMem 可以作为任何 Agent 的"外挂记忆层"，而 Hermes / nanobot 的原生记忆继续处理各自的深度场景。用 OptMem 存"我常用的 git alias"，用 Hermes FTS5 搜"三周前那个关于 Redis 的讨论"。
结论
OptMem 是 2026 年 AI Agent 记忆系统中最激进的一次简化。它提出了一个被行业忽视的基本问题：记忆一定要和框架绑定吗？
426 token 的 prompt + 一个 Python 文件 = 可移植的 Agent 外脑。这个公式的简洁程度本身就是一种宣言：AI 基础设施不需要越来越重。有时候，做减法比做加法更难，也更有价值。
我们的判断：OptMem 不会取代 Hermes Memory 或 nanobot Dream——它们解决的是不同层次的问题。但 OptMem 代表的"记忆即文件"哲学，可能比它当前的功能更持久地影响 Agent 设计。最好的工具，是你可以随时带走、不会被锁定的工具。
参考资料
- VictorTaelin/OptMem GitHub 仓库 — 289 Star，创建于 2026-07-25
- OptMem README — 完整文档
- Victor Taelin 的 HVM 项目 — 高阶虚拟机
- Hermes Agent Memory 系统
- nanobot 架构文档 — Dream 记忆机制