公开基准

Engram 与 AgentMemory 对比

在公开的 LoCoMo 记忆任务上比较 Engram 和 AgentMemory。在条件允许时展示同方法结果,并明确方法与限制。

Engram92.19%
AgentMemory79.10%

简短结论

Engram 更适合

如果你需要一个跨代理、代码库和团队成员运行,并能在上下文压缩后明确恢复的托管 MCP 记忆层,请选择 Engram。

AgentMemory 更适合

如果你更重视本地优先、开源的编码代理记忆,请选择 AgentMemory。

本页不能证明

检索使用相同公开任务;回答级比较尚未完成,因此不推测分数。

阅读 AgentMemory 官方文档

数据说明

并排比较

相同公开数据集和评分方法
+13.09 pp

Engram 在 R@50 上领先 13.09 个百分点。

本研究未测

尚未用相同回答方法评分

决策点EngramAgentMemory
主要产品形态面向代理团队的托管记忆层本地编码代理记忆
交付方式MCP · 内置本地 CLI、钩子和 MCP
跨工具使用支持通过 MCP 和钩子支持
压缩后恢复内置本研究未测
团队与跨库学习内置本研究未测
同方法回答证据支持本研究未测

购买者常问

Engram 和 AgentMemory 的测试方式相同吗?

标记为同方法的数值使用相同公开 LoCoMo 任务、候选深度和评分规则,不混入其他协议的产品分数。

检索分数最高就一定是最佳产品吗?

不是。检索衡量证据是否出现,回答准确率衡量证据是否转化为正确答案;运维、隐私、集成和成本仍是独立决策。

该选哪个产品?

托管团队记忆选 Engram;本地开源编码代理栈选 AgentMemory。

我们用两种方式评测 Engram:是否找回正确证据,以及模型能否用这些上下文答对问题。

证据检索和答案准确率分开展示。两项都使用公开 LoCoMo,但衡量记忆流程的不同环节。

支持和反馈

帮助我们改进 Engram

如果 setup 让人困惑、工具行为异常或价格限制看起来不对,请在这里告诉我们。消息会直接到我们这里。

支持和反馈

我们该改进什么?

Bug、混乱的 setup 步骤、价格问题和产品想法都会直接发送给 Engram 团队。

还需要 10 个字符0/10