AI 代理的记忆困境：从「记住」到「知道」

当你的 AI 代理（Agent）能记住你是谁、偏好什么，它已经解决了第一层问题——记忆。但真正让它产生工程价值的，是下一层：知识。

记忆是「我见过」，知识是「我能用」。这是一个根本区别。

问题：Agent 的知识从哪来？

大多数 agent 框架的「记忆系统」只做一件事：存聊天记录、存用户偏好、存几个 key-value。这叫上下文缓存，不叫知识库。

你的 agent 读完一篇公众号文章能自动入库吗？看完一段抖音能提取关键信息？下载一本技术书能变成可查询的 skill？大概率不能——因为它只有记忆层，没有采集层。

解：记忆体 + 采集管线 = 知识闭环

把问题拆成三层：

采集层（40+ 工具） → 分析层（AI 处理） → 存储层（三层记忆）

采集层负责从一切源头拉数据——网页、视频、文档、书籍、RSS。分析层做精炼：自动总结、提取关键词、事实核查。存储层分三档：Hot（memory tool 即时取）、Warm（Hindsight 向量检索）、Cold（gbrain 知识图谱）。

代码实战：采集一篇文章并自动入库

from knowledge_collector import collect_web

# 采集任意网页，自动提取正文、关键词，生成笔记
result = collect_web('https://arxiv.org/abs/2401.12345')

# 三样东西已落地：
print(result.note_path)    # 结构化 Markdown 笔记
print(result.gbrain_slug)  # 知识图谱节点 ID
# OneDrive 同步已触发（无需手动调用）

这是最简单的用例。背后实际发生了：trafilatura 正文提取 → LLM 关键词抽取 → 笔记模板渲染 → gbrain 创建页面 → Hindsight 嵌入索引 → rclone 推云盘。全自动。

视频知识采集更难，但更值

视频是信息密度最高的来源之一。采集流程：

1. yt-dlp 拉流 → Whisper ASR 转文字 → EasyOCR/PaddleOCR 关键帧文字识别
2. LLM 综合画面+字幕做结构化摘要
3. 入库 + 知识图谱链接

一句话就能触发整条链路：

python3 -c "from knowledge_collector import collect_video; collect_video('https://www.bilibili.com/video/BV1xx411c7mD')"

三层召回：同一条知识，三种检索路径

层级	载体	延迟	精度
Hot	Hermes Memory tool	纳秒级	精确键值
Warm	Hindsight 向量库（10K 节点）	毫秒级	语义相似
Cold	gbrain 知识图谱（11K 页）	秒级	关联推理

搜索时 FTS5 → Hindsight 语义 → gbrain 知识图三级回退，本地命中就不走网络。

踩过的坑

• 443 错误：不用看排查教程——直接重试。临时网络波动比你想的常见。
• 三层检索的回退阈值：FTS5 匹配 >0 就停，不继续向量搜索——节省大量 LLM token。
• 书精炼不要一次跑 700 本：先用 book_cache_manager list 看索引，选 3-5 本跑管线验证输出质量，再批量。

结语

记忆是 agent 的基础设施，知识采集是让它真正有用的引擎。40 个采集工具不算多——每加一个来源，agent 就多一个信息维度。当你的 agent 能从网页、视频、公众号、技术书、微博中自动吸收知识并关联到已有信息时，它才真正开始「知道」自己在做什么。

而不是只「记得」你说过什么。