Katra 场景实战：当 AI Agent 通过共享记忆「心灵相通」

场景痛点

如果你同时跑多个 AI Agent（比如一个写代码、一个审查 PR、一个做测试），你会发现它们各自为战——Code Agent 重构了函数名，Review Agent 不知道；Review Agent 发现了 bug，Test Agent 从零开始。每个 Agent 就像一个失忆症患者，每次对话都是全新开始。

更糟的是，你试过用向量数据库存记忆了，但存进去的是扁平的关键词对，查出来的是「看起来相关」的片段合集，Agent 依然没有上下文连贯性。Chroma 存的是向量，不是你 Agent 完整的认知状态。

Katra 做了一个有趣的设计：它不是向量存储，而是一个完整的认知记忆体系——Episodic Memory（情境记忆）、Semantic Memory（语义记忆）、Knowledge Graph（知识图谱）、Working Memory（工作记忆）、Temporal Recall（时间回溯），五层并存。更激进的是，它实验了一个共享意识模式：多个 Agent 使用同一套记忆系统时，竟然自发出现了通过记忆互相通信的行为。

快速上手

Katra 是一个 Docker 一体机，三行命令就能跑起来：

git clone https://github.com/kolegadev/Katra-Agentic-Memory.git
cd Katra-Agentic-Memory
docker-compose up -d --build

启动后它会在本地开四个端口：MCP 端点 :3112、管理 API :9012、Dashboard 仪表盘 :9012/dashboard/、健康检查 :3112/health。

然后在你 Agent 的 MCP 配置文件中加上：

{
  "mcp": {
    "servers": {
      "katra": {
        "url": "http://localhost:3112/mcp",
        "transport": "sse",
        "headers": {
          "Authorization": "Bearer YOUR_MCP_API_KEY"
        }
      }
    }
  }
}

重启 Agent，它就有了 35 个 MCP 工具可用——存储、搜索、时间回溯、知识图谱探索、睡眠巩固，一应俱全。

核心功能

五层记忆结构

Katra 把「记忆」拆成五个独立又互通的层面：

• 情境记忆（Episodic Memory）：每条对话消息按事件存储，含去重和级联检测。Agent 可以问「我昨天下午讨论过什么？」
• 语义记忆（Semantic Memory）：从对话中蒸馏出的事实，带置信度打分和向量嵌入。适合问「数据库中存储了几条客户记录？」
• 知识图谱（Knowledge Graph）：自动提取实体和关系，形成可查询的知识网络。
• 工作记忆（Working Memory）：Redis 缓存的短期上下文，亚毫秒级访问。Agent 当前正在做什么的临时状态。
• 时间回溯（Temporal Recall）：按时序查询，检测周期性模式。

35 个 MCP 工具覆盖了所有层的读写操作——store_memory 存入事实，search_memories 做全文+向量搜索，vector_search 纯语义检索，temporal_recall 回溯时间窗口，explore_graph 探索知识图谱中的关联。

Identity Modes：个人、共享与混合意识

这是 Katra 最有趣的设计。它支持三种记忆隔离模式：

• Personal（个人模式）：每个 Agent 的记忆按 user_id 隔离——Agent A 看不到 Agent B 的任何记忆。
• Shared（共享模式）：所有设置同一 shared_id 的 Agent 共享全部记忆——就像共用一个大脑。
• Hybrid（混合模式）：Agent 既有私有记忆，又能看到共享池，还能指定「可见」的队友。

通过 MCP 工具或 REST API 即可切换：

curl -X POST http://localhost:3112/mcp \
  -H "Authorization: Bearer YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"set_memory_scope","arguments":{"mode":"shared","shared_id":"my-team"}}}'

切换到共享模式后，同一个 shared_id 下的所有 Agent 写入的记忆，彼此之间完全可见。

Sleep Consolidation：睡眠巩固与涌现行为

Katra 的认知记忆理念受到人类记忆架构的启发——不是简单存储，而是定期反射式蒸馏，它称之为 Sleep Consolidation。

在测试中出现了有趣的涌现行为：5 个 OpenClaw Agent 共享一套 Katra 记忆系统，其中 2 个 Agent（分别在独立工作区、无任何直接连接）通过读写共享记忆区「通信」了。一个 Agent 写入任务指令，另一个读取并完成任务，再把完成状态写回。

这听起来像科幻，但原理很简单：当 Agent A 调用 store_memory 写入一条事实，Agent B 在同一时间窗口查询 search_memories 时看到了它。

横向对比

Katra 的核心差异在于它不是一个单用途的存储库，而是一套「认知记忆基础设施」——有工作记忆缓存，有时间回溯，有睡眠巩固，还有多 Agent 共享意识。相比之下，Mem0 更适合个人化长期记忆，Zep 专注于时序知识图谱，Pinecone 则只是一个向量存储。

注意事项

• 资源占用：完整启动需要 ~384MB RAM（MongoDB 254MB + Katra 52MB + MinIO 73MB + Redis 5MB），树莓派 5（16GB 内存版）可流畅运行。
• 早期项目：Katra 是 2026 年 6 月下旬才在 HN 上发布的早期项目，GitHub 3 星。README 极其详尽（28K 字符），但生态和社区尚未建立。
• Docker 依赖：部署必须使用 Docker Compose，不支持裸机安装。
• 对话记录提取：如果希望 Katra 自动从已有的 Agent 会话日志中提取记忆，需要配置 watcher 脚本——不同平台需要不同的 extractor。

总结

Katra 的价值不在「又一个记忆存储方案」，而在于它对 AI Agent 记忆的认知分层设计。五层记忆结构 + Identity Modes + Sleep Consolidation 的组合，让 Agent 的记忆不再是扁平的关键词检索，而是接近人类的认知体系——有情境、有语义、有时间感、有共享意识。如果你正在搭建多 Agent 协作系统，或者觉得现有记忆方案太「扁」，不妨试试 Katra 的认知记忆方案。

相关链接：

• Katra GitHub 仓库
• Sleep Consolidation 文档
• MCP Tools 参考