Claude-Mem 团队在 X 上发布了一张从底向上的 Agent 记忆架构图，解释了他们在 Cognition Layer（认知层）上的设计思路。

四层架构总览

Claude-Mem 的记忆架构分为四层，每层都有不同的遗忘特征和功能定位：

层级位置遗忘时钟功能
Model LayerLLM 权重 / KV Cache单次前向传播接收正确时间点的正确 token
Context Layer上下文窗口Session 之间当前会话的原始材料（文件、diff、检索片段、工具输出、系统提示）
Cognition Layer认知缓存跨 Session 持久化记忆被理解的内容，不只是被看到的内容
Agent Layer自主循环—规划、工具使用、多步执行、自我修正

Model Layer：最底层，最短暂

LLM 本身——权重、注意力机制，以及在单次前向传播内存活的 KV Cache。一次前向传播结束，KV Cache 就消失。这一层的存在是为上面所有层提供正确的 token 输入。

Context Layer：Session 内的原始材料

这一层加载当前 turn 需要的所有材料：文件、diff、检索到的片段、工具输出和系统提示。这是模型在给定 Session 中看到的原材料——短暂的，Session 结束窗口关闭就消失。

Cognition Layer：核心创新

这一层是 Claude-Mem 架构的核心，用来解决前两层的问题：Model Layer 在前向传播之间遗忘，Context Layer 在 Session 之间遗忘。没有 Cognition Layer，Agent Layer 每次重新启动都被迫重新推导它已经得出过的结论。

Cognition Layer 缓存的是认知分析结果，而非原始记录。Transcript 以嘈杂、主观、冗长的形式到达——是一个 Session 的完整详细记录。它们离开时变成精炼的观察：持久的、可查询的、带时间戳的事实和概念。

两个核心原语运行这一层：

1. Progressive Search（渐进搜索）

分层读取路径：Index → Timeline → Transcript。优先最便宜的查询；只在 miss 时才深入下一层。实际效果是约 87% token 节省——这本质上就是缓存命中率。

2. Attention Management（注意力管理）

写入和驱逐策略。决定什么被提升到热存储，什么被降级，什么完全淘汰。

为什么 Cognition Layer 重要

每个上层都在不同的遗忘时钟上运行。Model Layer 在前向传播之间遗忘。Context Layer 在 Session 之间遗忘。没有 Cognition Layer，Agent Layer 被迫在每次重新开始时重新推导相同的结论。

认知缓存关闭了这个循环。 Cognition Layer 记住的是被理解的内容，不只是被看到的内容。

一句话总结：

Transcripts are source code. Observations are the compiled binary. You never recompile what you've already shipped.

对话记录是源码。观察是编译后的二进制。你不会重新编译已经发布过的代码。