智能體長期記憶評測臺 memory-bench：把「我記得」變成可測的分數

memory-bench 是一個本地運行的長期記憶評測 Skill，用固定題型和標準指標量化智能體/大模型的長期記憶能力，解決「憑感覺判斷記住沒記住」的問題。內置 12 類題型，覆蓋時序、實體、否定、反事實、跨會話整合；採用 EM/F1 標準評分，零配置開箱即跑；可接 SiliconFlow/DeepSeek 等真實 LLM 做嚴評，密鑰通過環境變量注入不落盤；v2.4 起支持加載 LongMemEval/LoCoMo 等官方基準（數據按許可證自備，工具只做格式轉換與標準評分）。結果可復現、可對比、可入發佈證據。面向 Agent 開發者、AI 產品經理與記憶方案選型團隊。