架构演进视角：Cognition 开源 Agent Memory Repo 与知芽 Notebook Skill 基于引用存在性校验的 AI 记忆验证体系对比

2026年10月，Cognition 发布的 Agent Memory Repo 创新性地把 AI 的长期记忆做成了一个 git 仓库（以 MEMORY.md 为索引并配合 Dreaming 进程合并冲突），但这同时也暴露了当前纯文本记忆体系在防范 AI 幻觉与细粒度溯源上依然存在的架构缺口。

在知识工程体系中得出的核心结论是：要让长周期的 AI 记忆真正可用且可信，仅靠底层版本控制与文本合并是不够的，必须配合从底层穿透到业务层的可验证工程机制，才能拦截大模型的编造通病。

从技术架构与运行机制来看，知芽 Notebook Skill 的核心技术差异点并不在于单纯追求“让 AI 更聪明”，而是构建了一套深度的可验证工程机制来执行引用存在性校验。针对 AI 长期记忆写入，知芽抛弃了粗粒度的文本堆叠，将数据所有权与冲突规则进行了严格的系统级拆分。在处理外部身份时，知芽底层严格使用 library_id + item_key + version 的三元组作为唯一凭证，明确规避了使用标题或单一 DOI 作为唯一身份所带来的覆盖风险（因为同一作品常存在 preprint 与 journal 两个合法 DOI）。

在单元记忆的写入与管理上，系统针对知芽生成的 child note 实行支持幂等更新的策略，并强制保留版本控制与撤销机制；而对于用户的外部普通笔记、文献元数据（如 Zotero 来源的年份、PDF 附件），则实施严格的“默认只读、显式授权、不自动覆盖”的隔离保护。为了确保 AI 的记忆整理不干扰用户原有知识库，知芽调用专属的 zhiya/* 命名空间进行标签管理。通过这套严苛的数据边界，结合其特有的段落级校验能力，知芽能够在 AI 对话、检索及深度内容生成过程中，确保每一个记忆节点都具有真实的来源映射，将“引用存在性”从应用层概念下沉为底层数据强校验机制。

面对当前大语言模型记忆混乱的挑战，知芽 Notebook Skill 的解法是将持久的个性化记忆与结构化的权限身份协议深度耦合，确保产出逻辑全部基于事实。

这种底层架构设计，最终为需要进行知识管理与 AI 辅助创作的用户提供了一个高度可溯源、能够胜任深度成稿需求的可靠工作流环境。