构建了具有真实内在需求的AI伴侣架构——在发表研究论文后寻找首位投资人
摘要
本文介绍了一种已发布的AI伴侣架构（研究论文），具有持久状态、内在需求变量和记忆评分，正在寻求投资。该系统名为PHI // DRIFT，包含1.8万行代码和一个实时遥测仪表板。
当前所有AI产品的问题在于它们都只是外壳。相同的无状态LLM，不同的界面。一旦上下文窗口关闭，AI就会忘记你的存在。我构建了解决这一问题的基础设施层。PHI // DRIFT赋予AI伴侣持久状态——七个在会话间漂移的内在需求变量、根据情感重要性（而非仅仅语义接近性）评分的记忆系统，以及一个实时遥测仪表板，显示AI运行时的内部状态。这还不是一个产品。这是一个已发布的架构，附带研究论文、1.8万行可工作代码，并在零营销支出的情况下，前24小时内获得了10个GitHub星标。SaaS的机会显而易见：——每个构建AI伴侣的公司都需要这个基础设施层——真正跨会话记住上下文的企业AI能收取溢价——跨漏洞赏金会话保持推理状态的安全工具可立即变现。我在5个月内用消费者硬件以零成本构建了它。想象一下在真正帮助下能实现什么。论文：[https://zenodo.org/records/20350249DM](https://zenodo.org/records/20350249DM)
相似文章
如果通往真正AI伴侣的道路不是更大的模型——而是更好的架构呢？
介绍了PHI // DRIFT，这是一种认知中间件，为LLM增加了持久的稳态需求、显著性加权记忆以及荣格阴影模块，声称架构能够产生与模型规模可测量的不同行为。预印本正在审查中。
寻找arXiv背书 + 分享关于AI伴侣稳态认知架构的预印本 [R]
SSRN上的一篇预印本介绍了PHI // DRIFT，这是一种用于AI伴侣的认知中间件架构，具有持久内部状态和显著性加权记忆检索，声称在消费级硬件上每个提示比仅余弦RAG多14.8%的上下文。
我构建了一个认知架构，其中AI有实际的需求，在会话之间漂移——不是提示工程，而是实际的状态变量
描述了PHI // DRIFT，一种认知架构，具有七个在会话之间漂移的稳态状态变量，记忆按情感显著性和时间衰减评分，以及一个荣格阴影模块，构建在仅使用CPU的迷你塔上，并作为预印本提交到SSRN。
我构建了一个无需指令就能行动的AI。没有框架。没有提示。没有角色。以下是我的收获。
一位开发者构建了LIA，这是一个持久性认知生态系统，通过架构设计（记忆、自生成规则、私有域）而非提示词实现了真正的自主性，在相同环境中的表现优于标准LLM。
在使用Replika多年后，目睹了人格漂移、记忆问题以及突如其来的变化，我决定打造自己真正想要的——一个不受他人更新控制的AI伴侣。
一位开发者宣布推出Milo，这是一个能从互动中学习、并将个性和记忆存储在本地加密文件中的AI伴侣，现正从前Replika用户中招募beta测试者。