1. Gbrain：持久运行AI代理的长期记忆
Gbrain 旨在为运行中的AI代理配备"长期大脑"，帮助代理记住人员、公司、会议、对话和待办事项，同时追踪代理的进行中任务和运行状态。它的关键特性是区分持久世界知识（如客户详情）和临时代理工作状态（如当前任务进度），保持两者清晰分离。
Gbrain使用TypeScript构建，MIT许可，GitHub约13k星标。它与OpenClaw/Hermes代理生态系统深度集成，非常适合需要在多次交互中维护上下文的长期运行代理，比如能记住历史对话和待办操作的客服机器人。如果你不使用OpenClaw/Hermes技术栈，实施成本可能高于预期。
2. Microsoft GraphRAG：知识图谱跨文档分析
GraphRAG擅长分析整批文档，通过将文档转换为知识图谱来回答综合性跨文档问题。它的工作流程分为三步：首先使用LLM从文档中提取实体和关系，然后构建大型知识图谱并使用Leiden聚类等算法将其聚合成主题块，最后为每个主题块生成摘要。
# 高层工作流（简化版）
from graphrag import GraphRAG
rag = GraphRAG()
rag.index_documents("path/to/documents")
response = rag.query("这些文档中出现了哪些重复主题？")
print(response)它是这里唯一原生构建用于分析整批文档集的解决方案——比如可以从数百份年报中识别重复主题。索引500页成本约$50-$200。更经济的替代方案是LightRAG，相同任务仅约$0.5。
3. Graphify：AI代理的代码仓库导航器
Graphify是AI代理处理代码时的"地图"，帮助它们导航大型代码库，无需手动搜索文件。它减少了开发者手动grep大型仓库的需求，代理可以在代码结构的可视化图中自由导航。
使用Python构建，MIT许可，GitHub约43k星标。一行命令即可本地运行：
pip install graphify
graphify index --repo "path/to/your/repo"完美适配AI编程助手（如Claude Code、Codex或Cursor），在特定场景下号称可减少71.5倍token消耗。
4. Karpathy的LLM Wiki：个人知识库
LLM Wiki不是工具而是设计模式，用markdown文件和git构建个人知识库。将知识存储在git管理的markdown文件夹中而非向量数据库，新增信息时由LLM更新相关wiki页面，确保知识随时间持续整合。
mkdir my-llm-wiki && cd my-llm-wiki
git init
touch main.md适合研究人员、写作者和任何希望维护结构化可编辑知识库的人。轻量级，无需数据库或外部服务。
5维对比表
| 维度 | Gbrain | Microsoft GraphRAG | Graphify | Karpathy的LLM Wiki |
|---|---|---|---|---|
| 知识消费者 | 长期运行AI代理 | 企业分析师 | 编程AI代理 | 人类（AI辅助） |
| 实施难度 | 高（绑定OpenClaw/Hermes） | 中（Python管道） | 低（一行命令） | 极低（文件夹+git） |
| 成本 | 取决于代理规模 | $50-$200/500页 | 取决于LLM使用量 | 仅时间成本 |
| 知识容量 | 无限（以代理为中心） | 无限（企业文档） | 随代码库扩展 | 数十到数百页 |
| 模型灵活性 | 绑定OpenClaw/Hermes | 兼容OpenAI | LLM无关（代码聚焦） | 完全灵活 |
实用选择指南
- 个人知识管理：从LLM Wiki开始，创建markdown文件夹试用两周。
- 编程AI助手：使用Graphify，索引中型仓库看效果。
- 企业文档分析：选择GraphRAG，从30-50份文档开始。
- 持久AI代理：如已使用OpenClaw/Hermes，选择Gbrain。
- 初学者：尝试LLM Wiki（最轻量）或Graphify（最直观）。
这些工具理论上可以组合使用——Graphify理解代码结构、Gbrain管理代理记忆、GraphRAG分析企业文档。但组合使用案例目前仍不多见，建议先用最小化demo测试。
想了解更多AI记忆和知识管理的内容？
请查看放弃RAG：LLM Wiki作为知识库、超越大语言模型和5款AI工具打造海外业务。 常见问题
问：这四款AI记忆方案可以一起使用吗？
可以，它们并非替代关系。理论上可以用Graphify理解代码结构、Gbrain管理跨会话代理记忆、GraphRAG分析企业文档。但实际组合使用案例仍不多见。建议先用最小化demo测试，两周后评估设置时间、索引成本和回答质量。
问：哪个方案最适合初学者？
推荐Karpathy的LLM Wiki（最轻量，只需markdown和git）或Graphify（最直观，一行安装）。两者让你无需重大投入快速评估AI记忆是否解决你的问题。LLM Wiki特别适合非开发者，Graphify则适合处理代码的开发者。
问：GraphRAG与替代方案的成本差异如何？
Microsoft GraphRAG索引500页约$50-$200。LightRAG作为经济替代方案，相同任务仅约$0.5——便宜约100倍。个人或小团队使用Graphify和LLM Wiki成本极低。