With the next Frontier for AI memory
摘要
团队正在淘汰Membrane系统,转向更强大的Meron,其核心突破在于引入“意义原子”概念,通过存储原始信息和多形式表征,实现灵活且强大的AI记忆。
暂无内容
查看缓存全文
缓存时间: 2026/08/25 11:47
# With the next Frontier for AI memory
**TL;DR:** 团队正在淘汰Membrane系统,转向更强大的Meron,其核心突破在于引入“意义原子”概念,通过存储原始信息和多形式表征,实现灵活且强大的AI记忆。
## Membrane的卓越与局限
Membrane是一个卓越的记忆系统,将记忆与关联置于同一语义空间,使其在记忆人类与AI对话并建立关联方面表现完美。然而,用户需求已超越其设计目标,他们渴望更多功能,包括文档支持、视觉支持以及更精细的范围管理,以避免无关内容被随机关联。Membrane过于僵化的架构无法应对这些新需求。
## 寻求突破:意义原子(Aranu)
从头重写系统的过程中,一位工程师产生了关键顿悟:假如“意义”存在基本单位呢?信息已有原子单位——比特,但信息与意义存在本质区别。储存“狗”这个词只需几个比特,但其含义却近乎无限。
工程师设想了这种基本单位,将其命名为“aranu”,由两个梵语词组合而成:`ara`(意义)与`anu`(原子)。经过大量研究,最终发现从数学层面而言,意义的分解根本不可能实现。这反而成为了优势:意义无限,永远无法完全存储。
## 核心思想:原始记录与多形式表征
人类记忆的工作方式是记录有意义的版本,但会丢弃原始素材。这会在未来产生问题,因为未来的关注点可能与过去记录的版本不同。
核心突破在于:**不仅保留“笔记”,还保存原始记录**。系统存储原始信息的不可变副本,同时存储其多种表征形式。这些表征可以是嵌入向量、关键词集、原始文本摘要,甚至原始记录本身可能是图像而表征是文本。这样,用户可以根据未来的需求,随时重组和构建所需的理想记忆形态。
## Ara引擎:记忆的操作系统
这一突破催生了“Ara引擎”,一个内部开发的工具。它对记忆的处理方式如同游戏引擎处理像素:能够精细控制存储内容、表征方式及其动态演变,同时让同一份记忆能以多种形态存在,例如图谱、文件系统或重要性层级,甚至可以同步运行多种形态。理论上,地球上所有记忆系统都能运行在这个引擎上。
## Meron:下一个前沿
基于Ara引擎构建的系统被命名为“Meron”,它是Membrane的升级版和超集。当前它已支持视觉与文档处理。系统设计借鉴了多个现有系统的优点(如Mem0、Zep、Hindsight、Memuron),目标明确:借助Ara引擎,为记忆系统可具备的30余种机制与属性,找到各自的最优实现方案,将Meron打造成最佳的记忆系统。
Source: https://youtube.com/watch?si=h_jnILEHftrTR8fe&v=ven-bHDVsWA
相似文章
@XAMTO_AI: AI 开发中最消磨精力的,莫过于这种被迫的“上下文重置”——只要切换环境,之前做过什么、卡在哪个环节、当时的思考逻辑是什么,全得重新交代清楚。 针对这个痛点,有人推出了 Memanto,一个专为 AI 打造的工作记忆库,目前已支持 Cla…
Memanto是一个专为AI开发环境打造的主动式工作记忆库,能在无API密钥和向量数据库的情况下,实现零延迟索引和高性能检索,支持Claude Code、Cursor等16+开发环境,在LongMemEval基准测试中达到89.8%的分数。
@rohanpaul_ai:AI智能体应将记忆视为不断变化的有效连接网络,而非静态存储。大多数智能体记忆系统…
该论文提出 FluxMem,一种将智能体记忆视为不断演化的图结构,通过动态修复连接和提炼技能来提升记忆效果的系统。实验显示其在多个任务上优于现有方法,例如在 LoCoMo 上达到 95.06% 准确率,并在 GAIA 上相比 Kimi K2 提升 12.73 分。
@berryxia: 兄弟们,MemOS 2.0 开源项目又更新了! Github 已经斩获9.3K Star ~ 这次直接把“AI记忆”从高级剪贴板升级成了真·执行即学习。 以前很多记忆方案,就是把聊天记录存下来,加个语义检索,看起来有记忆,实际上还是RAG…
MemOS 2.0开源项目更新,引入“执行即学习”机制,让AI Agent在完成任务时自动拆解、提炼经验,从原始轨迹到肌肉记忆分层进化,实现越用越懂用户的专属助手。
@Phoenixyin13: 现在的人工智能领域陷入了一个非此即彼的怪圈。 一边是统治世界的 Transformer 架构,它记性极好,但由于计算量呈平方级爆炸,长文本读得越多就越贵,活脱脱一个吞金兽。 另一边是老牌的 RNN 架构,计算速度极快,成本很低,但它是个彻…
本文介绍了Google Research联合康奈尔和南加大提出的一种新方法,通过为RNN的记忆拍快照并缓存,使RNN能高效处理长文本,兼具Transformer的强记忆和RNN的低成本,为长上下文AI提供新方向。
@discountifu: 原来真有一个叫记忆宫殿的开源项目,号称是目前跑分最强的 AI 记忆系统
介绍了一个名为 MemPalace 的开源 AI 记忆系统,声称在 LongMemEval 上达到 96.6% R@5,采用本地优先、可插拔后端的设计,支持 CLI 和 MCP 服务器部署。