概念导读

现有 agent 记忆框架暴露的操作原语不完整且不一致：

1. 核心问题
2. 方法
3. 设计哲学
4. 三原则
5. 个操作动词
6. Schema 规范
7. Validator–Parser–Adapter 管线
8. Text2Mem Bench

Text2Mem: A Unified Memory Operation Language for Memory OS

核心问题

现有 agent 记忆框架暴露的操作原语不完整且不一致： - 大多仅支持 encode/retrieve/delete 等基本操作 - merge、promote/demote、split、lock、expire 等高阶控制缺失或各系统实现不同 - 自然语言指令（"暂时不要提午饭的事"）歧义严重，不同系统行为不一致 - 缺乏形式化可执行规范

方法

设计哲学

借鉴 text-to-SQL 的经验：自然语言模糊 → 需要约束 schema → 才能标准化执行和评估。

三原则

1. 互斥性 (Mutual Exclusivity): 每个操作代表唯一原子行为，无语义重叠
2. 完备性 (Completeness): 覆盖编码、存储、检索全生命周期
3. 极小性 (Minimality): 消除冗余动词，每个操作贡献独特表达力

12 个操作动词

阶段	操作	描述
编码	Encode	语义理解后创建结构化记忆条目
存储	Update	字段修改，含验证和血缘追踪
	Label	标签/分面增删，含去重约束
	Promote	提升优先级，可附定期提醒
	Demote	降低优先级，不删除数据
	Merge	合并记录，保留血缘链接
	Delete	软/硬删除，含策略和锁检查
	Split	拆分复合条目为链接子单元
	Lock	只读/追加策略限制编辑
	Expire	TTL 过期触发降级或匿名化
检索	Retrieve	过滤排序查询，权限感知
	Summarize	聚焦摘要，token 预算控制

Schema 规范

每个操作实例化为 JSON-based schema，包含： - 必填字段、类型约束、语义不变量 - 时间范围、优先级、标签等参数标准化

Validator–Parser–Adapter 管线

1. Validator: 检查结构+语义合法性（锁定的条目不可硬删除等）
2. Parser: 转为强类型操作对象，参数标准化
3. Adapter: 映射到 SQL 原型后端 或 真实框架（MemGPT/mem0/Letta）

跨后端可移植: 同一 typed object 在不同系统上行为等价。

Text2Mem Bench

规划中的评测基准，分离 schema 生成和后端执行： - Plan-level: schema 准确性、执行成功率 - Execution-level: 期望匹配率、检索质量

意义

• 首个统一记忆操作语言: 填补了 agent memory 领域缺乏形式化操作规范的空白
• 与 text-to-SQL 类比: 将记忆操作从 ad-hoc API 提升为可审计的语言层
• 高阶操作标准化: Promote/Demote/Merge/Lock/Expire 为首次被标准化定义
• 实际覆盖: 12 个操作中仅 Encode/Delete/Retrieve 在现有框架中普遍支持， 其余 9 个为 Text2Mem 首次系统化
• 局限: Text2Mem Bench 尚为规划阶段；实际后端适配仍需逐框架实现

Related

• memgpt — LLM-as-OS 记忆框架（可适配后端）
• mem0 — 增量记忆管线（可适配后端）
• agent-memory-system — 记忆系统总览
• ariadne-mem — 图结构终身记忆系统
• nemori — 自适应记忆蒸馏（互补的蒸馏层）