ChatGPT Dreaming V3 的工作原理（以及所有其他智能体记忆框架）

# TL;DR “Dreaming”（梦境）是一个异步后台进程，它会根据用户的原始来源（过去的聊天记录、文件、已连接的应用程序）合成为每个用户生成一个单一、连贯的“记忆状态”，而不是维护一个人工整理的事实列表。该合成过程会持续重新运行，从而保持新鲜度、消除矛盾，并随着时间推移为过时的事实重新标注日期。在聊天时，ChatGPT 会将相关部分的合成结果注入其中，并对过去的聊天记录进行快速的按需搜索，搜索受“在此处使用个性化功能是否有用？”这个决策的控制，并显示每个来源的出处。FAQ 中明确陈述的最重要的架构事实是： >“ChatGPT 的记忆基于对过去聊天上下文不断更新的合成结果，这可能比在摘要中作为单个项目显示的内容更广泛。” 记忆是原始来源衍生的、可重新生成的产物，而不是事实的源本身。这一设计选择几乎解释了其他所有方面（陈旧性修复、“随处删除”规则、可编辑但不具权威性的摘要）。 # 记忆系统现在分为三种根本不同的理念 这些理念分别是：记忆作为存储对象、记忆作为压缩层次结构、以及记忆作为原始来源的持续合成。最后一类只包含两个框架：Karpathy 知识库和 OpenAI Dreaming。在我的文章其余部分，我分解了每个开源记忆框架的设计方式，以及它们与 ChatGPT Dreaming 的比较： * Knowledge Bases * mem0 * supermemory * Zep * Letta * Mastra * MemoryOS * A-MEM * LangMem * Memobase 链接在评论中，坦白地说，这是为了帮助支持我的原始帖子，希望它能获得一些浏览量。希望这对你有帮助，如果想了解更多，请查看原始帖子。