Enki – 为AI代理保留一半记忆却同样出色回答的内存系统

Enki是一款专为AI代理设计的轻量级记忆系统，能够在保留约一半数据量的情况下，依然提供与全量记忆相媲美的回答质量。该项目在GitHub上开源，通过优化的存储和检索机制，帮助AI代理在资源受限场景下高效运行，平衡了记忆容量与性能表现。

背景速读

- Enki 是一个面向 AI 智能体（agent）的新兴记忆系统，主打“用一半的存储量达到同等回答质量”。传统做法是将对话历史或知识全部塞进上下文窗口，成本高且很快达到上限；Enki 尝试用更紧凑的表示来压缩记忆。 - 该项目是 GitHub 上的开源基准测试（benchmark），由开发者 stephen487 发布，专门衡量不同记忆方案在存储效率与推理质量之间的权衡。 - 背景：大语言模型（LLM）的记忆管理是当前热门方向——智能体需要记住长期交互历史，但 token 数有限且费用昂贵。Enki 对标的是 MemGPT、Mem0、Letta 等同类系统，核心问题在于“压缩后是否还能准确回答问题”。 - 读者需知：这里不讨论模型本身，而是讨论如何让 AI 在多次对话中“记住”之前说过的话，而不把整个历史重新喂给模型。