Agent Memory
deja-vu 最佳替代方案
比较 deja-vu 的替代工具，判断什么时候选择每个方案、什么时候不适合，以及切换前要考虑什么。
什么时候考虑替代方案
当记忆已经写在编程 Agent 转录里、且希望本地搜索加 MCP 召回而不搭建记忆服务时选 deja-vu；需要 Agent 主动写入并跨 provider 路由项目记忆时选 PAXM；记忆属于你交付的应用时选 Mem0。
最后审查
2026年6月23日
已比较替代方案
3
替代工具
PAXM
PAXM 是开源记忆适配器，可让决策、约定和工作上下文跨 Codex、Claude Code、OpenCode、Pi 与 MCP 客户端延续。它默认使用本地 SQLite，也能把召回和写入路由到多个受支持的记忆 provider。
如果你需要这些，选择 PAXM
- 跨 Agent 编程上下文
- 本地优先记忆
- provider-neutral 路由
- 被动会话召回与捕获
这些情况不适合
- 需要完全托管式记忆服务与托管 UI 的团队
- 需要面向终端用户的应用内 memory SDK 的产品
- 无法运行本地 CLI、MCP server 或 Agent hooks 的环境
Mem0
适合产品需要跨会话明确记住事实、偏好，并持续更新用户上下文的场景。
如果你需要这些，选择 Mem0
- 用户记忆
- 偏好学习
- Agent assistant
这些情况不适合
- 静态文档问答
- 记忆不可检查或删除的工作流
EverOS
EverOS 是 EverMind 开源的记忆运行时：把对话、文件与 Agent 轨迹存成可读 Markdown，再同步 SQLite 与 LanceDB 索引，实现跨编程助手与工作流的快速检索与自演化复用。
如果你需要这些，选择 EverOS
- Markdown 原生记忆
- 本地优先隐私
- 跨工具 Agent 记忆
- 自演化 reflection
这些情况不适合
- 需要完全托管 memory SaaS 的团队
- 简单 key-value 会话缓存
- 无法运行本地 Python runtime 的产品
切换前要考虑什么
- 这个替代方案解决的是同一层问题，还是更底层的 building block？
- 切换后是否会改善可观测性、权限边界、状态控制或评测覆盖？
- 能否先用一个真实 Agent 任务验证迁移，再替换当前工具？