一句话看懂:一位无计算机背景的中医学大三学生开源了 Agent 长期记忆系统 WhaleYing Memory,在 MemoryAgentBench 多跳冲突消解任务上报告 48.3% 的 substring exact match,高于 CAR 论文报告的 41%。值得关注的是它用结构化记录和版本取代关系,而不是单纯把长文本切成块做相似度检索。
事件核心:发生了什么
2026 年 11 月 20 日,V2EX 用户发帖介绍其开源项目 WhaleYing Memory,采用 Apache-2.0 协议,代码托管于 GitHub。作者自述为 21 岁中医学大三学生,2026 年 10 月 14 日开始研究 API,10 月 22 日转向 Agent 长期记忆,11 月 18 至 19 日跑出结果;全部抽取、检索和测评在一台无独立显卡的 Windows 11 轻薄本上完成(i5-13420H、16GB 内存)。流程为抽取、冲突消解、检索、作答:将长文本转为四类结构化记录,用 supersession 标记新旧版本取代关系,检索结合多字段 BM25、all-MiniLM-L6-v2 向量和 RRF,多跳问题采用 Self-Ask 式逐跳检索。作者报告单跳从 DeepSeek 直读全文的 64% 提升到 93.2%,多跳从 5.3% 提升到 48.3%,评测为 MemoryAgentBench 的 Conflict_Resolution substring exact match,作答 temperature 为 0.7,并非 LLM judge。
为什么重要
长上下文窗口和大模型记忆是当前 Agent 应用的两条主要技术路线。这篇帖子给出的观点是:记忆系统的价值不只是压缩 token,而是把“哪个版本已被取代”和“答案需要串联哪些事实”显式整理出来。对普通 RAG 管线而言,检索到多个相互矛盾的片段是常见失败点;WhaleYing 用 invalidated_at 保留旧值、fold 时取最新版本,直接针对冲突消解任务。作者也承认边界明确:在 LoCoMo 约 1,986 题的官方 F1 字符串匹配中,不折叠版本总体得分更高,说明它为“现在是什么”优化,而时间型问题仍弱,相对时间解析只有 13.9%–15.3%。这些数字限定了特定日期、任务和评测条件,目前公开信息显示不足以视为通用排名。
对用户/开发者/创作者的影响
对开发者,项目提供了可对照的实现和评测脚本入口,适合研究多跳检索、冲突消解和记忆折叠的工程细节;但作者也说明耗时不低,100 题多跳作答约 15 至 25 分钟,抽取约 1.1M 字符花费 11.5 分钟。对做企业知识库或客服 Agent 的团队,版本取代与证据链思路可直接参考,前提是业务问题以“最新状态”为主。对希望低隐私成本部署的用户,作者提出的本地服务器抽取加低配置端检索的设想尚无产品化证据。
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
值得关注的后续
观察点包括:作者计划的历史状态检索能否同时覆盖“取最新”和“回看旧版本”;时间归一化能否改善 LoCoMo 短板;独立 API、评测脚本和文档是否补齐,使结果可复现。此外,接入手册与社区反馈能否验证这些指标在更多任务上的稳定性,仍需后续信息。


