Memory 技术日报 2026-07-18：agent 记忆图、代码上下文图与低比特向量检索
过去 24 小时，jcode 发布带语义记忆图的 v0.51.0，code-review-graph 更新面向 MCP 的代码上下文图，turbovec 则以 TurboQuant 向量索引进入 GitHub Trending；三条信号分别对应 agent 记忆、代码上下文和 RAG 存储。
时间口径与速览
覆盖窗口为北京时间 2026 年 7 月 17 日 09:00 至 7 月 18 日 09:00。今天的三条信号都来自 GitHub：jcode 和 code-review-graph 是窗口内的版本发布，turbovec 是 GitHub Trending 的当日热度信号，不是今天的新版本。窗口内能核验到的 arXiv 相关候选，其原始提交时间早于本窗口，因此没有混入日报。
| 项目 | 窗口信号 | 记忆层位置 | 适合的下一步 |
|---|---|---|---|
| jcode v0.51.0 | 7 月 18 日 08:41，北京时间 | coding agent 的跨会话语义记忆 | 检查召回、写入和冲突整理是否增加延迟 |
| code-review-graph v2.3.7 | 7 月 18 日 08:33，北京时间 | 代码库结构图与最小上下文 | 用真实 PR 对比全量读库与图谱裁剪 |
| turbovec | GitHub Trending 当日热度 | RAG 的向量索引与压缩存储 | 在自己的语料上测召回率、内存和延迟 |
1. jcode：记忆图进入 coding agent 的默认路径
jcode 的 v0.51.0 发布提交发生在北京时间 08:41。这个提交本身只把版本从 0.50.0 切到 0.51.0，不能据此断言记忆功能是本版新增；当前 README 展示的是项目已有的 memory 架构。12
这套架构把每轮输入和响应嵌入成语义向量，每轮对记忆图做余弦相似度检索。命中的记忆可以直接注入对话，也可以交给 memory sideagent 再判断相关性并继续检索。写入由独立的 memory sideagent 周期性完成，触发条件包括语义漂移、累计若干轮对话和会话结束；ambient mode 还会整理记忆，检查陈旧项与冲突项。3
它还保留显式的 search/store memory tools，并提供针对历史会话的传统 RAG 搜索。对 coding agent 来说，这个组合比单纯把整个旧会话塞回上下文更容易控制输入规模，但也带来两个需要实测的成本：自动召回可能把相关但不必要的记忆带进 prompt，sideagent 的二次判断则会增加额外调用。README 没有给出这套记忆链路的召回率、注入 token 数或端到端延迟，因此目前更适合作为可运行的实验入口，而不是性能结论。
怎么试
- 安装：
curl -fsSL https://jcode.sh/install | bash - 用
jcode --resume fox恢复会话，再比较自动召回和显式 memory tool 的 prompt 长度。 - 给同一组会话制造过期事实和相互冲突的偏好，观察 consolidation 是否真的完成了删除、合并或保留。
2. code-review-graph：把代码库记忆变成可追溯的上下文图
code-review-graph v2.3.7 于北京时间 08:33 发布。版本说明集中在扩大语言和框架解析范围、增加有界的传递测试覆盖、变更风险与影响半径排序、图谱 provenance 和文档感知 embedding，同时修复 MCP 并发、守护进程生命周期和多个 CodeQL 高危告警。发布说明还记录了 release PR 15/15 项检查通过，合并后的 main commit 13/13 项检查通过。45
它解决的是另一类 memory 问题：不是记住用户，而是把代码库的结构、调用、导入、继承和测试关系持久化，再用图遍历、语义搜索和 blast radius 分析裁出变更真正需要的文件。README 在 6 个真实仓库的基准中报告 per-question token 中位数约降低 82 倍，范围为 38 倍到 528 倍；同一页还报告平均 F1 为 0.714，并特别说明图派生的 recall 1.0 是循环上限，不能当成独立真实标注的召回率。6
这使它更像一个面向 coding agent 的可审计上下文数据库：每次检索都能回到代码节点、边和变更范围，而不是依赖一段不可追踪的摘要。代价也很明确，82 倍是特定仓库、问题集合和输出策略下的结果，不等于所有代码任务都能获得同样的压缩；图谱过时、解析缺失或 embedding 配置变化，都可能把必要上下文裁掉。
怎么试
- 安装：
pipx install code-review-graph - 构建：
code-review-graph install，再运行code-review-graph build - 选一个真实 PR，同时记录全量读库、grep 检索和
get_review_context三种路径的输入 token、漏掉的依赖和最终评审结论。
3. turbovec：低比特向量索引成为 RAG memory 的候选底座
turbovec 被 GitHub Trending 的当日榜单列为热度信号，但仓库 API 显示最近一次 push 在 6 月 11 日北京时间 02:07 左右，所以它不是窗口内的新代码发布。把它放进今天的日报，理由是它直接命中 RAG memory 的存储层，而且当天社区关注度提供了继续评估的线索。78
项目用 Rust 编写索引，并提供 Python bindings，基于 TurboQuant 做 2-bit 和 4-bit 向量量化。README 描述的路径包括统一随机旋转、逐坐标校准、Lloyd-Max 标量量化、bit-pack 和长度归一化打分；索引支持在线写入、搜索时过滤，以及 ARM NEON 和 x86 AVX-512BW SIMD 内核。项目定位是完全本地运行的向量检索，许可证为 MIT。8
这条信号的工程价值在 RAG 的 memory budget，而不在模型能力：如果向量库能把索引常驻内存压到可接受范围，更多历史片段才有机会留在本地检索路径里。不过 README 主要提供 benchmark 脚本和运行入口，本轮没有拿到一组可直接比较的召回率、索引内存和查询延迟结果，因此不能把 2-bit 或 4-bit 直接写成线上收益。
怎么试
- 安装：
pip install turbovec，或cargo add turbovec - 运行仓库自带的
benchmarks/suite/recall_d1536_2bit.py与compression.py。 - 用同一批真实文档，对比 float、2-bit 和 4-bit 的召回率、索引大小、写入耗时与 p95 查询延迟，再决定它是否适合长期记忆库。
给工程团队的判断
今天三条信号落在三个不同层面：jcode 负责把对话经验写回 agent，code-review-graph 负责把代码结构变成可追溯上下文，turbovec 负责把 RAG 记忆压进更小的向量索引。它们都没有提供可以互相替代的端到端指标，最有价值的复现顺序是先固定同一批任务和语料，再分别记录记忆写入率、上下文 token、召回率、内存和延迟。
References
- 1jcode v0.51.0 发布页
github.com
- 2jcode v0.51.0 发布提交
github.com
- 3
- 4code-review-graph v2.3.7 发布接口
github.com
- 5code-review-graph v2.3.7 变更日志
github.com
- 6code-review-graph README：上下文裁剪基准
github.com
- 7GitHub Trending daily
github.com
- 8turbovec 官方仓库
github.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.