- 综合排序
- 最热优先
- 最新优先
- 来自专栏意图共鸣科技
意图共鸣科技：AI双轨制，就是AI记忆链的房电分离
你有没有想过一个问题：为什么充了AI会员，还会被限速？答案很简单。订阅制把两笔账混在一起算了。 一笔是“存”的账。你的对话记忆、偏好设置、项目资料，这些东西需要长期保存。 AI每次回复你，都在消耗算力。用得多，成本就高；用得少，成本就低——就像你用电，用多少交多少。订阅制把房租和电费打包成一个价。收入固定，成本浮动，这个账从一开始就算不平。 按月租一个专属的云端记忆空间。你的对话历史、项目资料、偏好设置都在里面，换设备、清缓存都不丢。这笔钱是固定的，因为你占用的存储空间是固定的。算力轨——交电费。AI每次回复消耗的算力，按实际用量付钱。 AI行业也必须回到这个常识。双轨制不是调价，是把AI的账从根本上算平。记忆链对标的是关系链。双轨制对标的是房电分离。一个解决记忆归谁，一个解决账怎么算。 两件事，一根线：让AI从一次性工具，变成可以一直陪伴你的数字伙伴。
9010编辑于 2026-04-22 - 来自专栏意图共鸣科技
意图共鸣科技《AI记忆链商业化白皮书2.0》开放倡议MCP协议：“记忆胶囊”能否终结AI记忆“带不走”的困境
但如果你从文心一言换到通义千问，想带走你和AI聊了一年半载的所有记忆——那些深夜聊过的项目、反复敲定的方案、AI越来越懂你的那些偏好——对不起，带不走。 不是技术做不到，而是没人定义过“AI记忆长什么样”。 今天，我们发起一个开放倡议：MCP协议（Memory Chain Protocol），旨在为AI记忆定义一个通用的“胶囊”规格，让记忆可以打包、迁移、继承。 建议的方向为了让记忆胶囊真正可用，我们建议AI平台提供两个基本功能（不是强制，是建议）：导出：用户可以一键把他在你平台上的所有对话记忆，打包成一个记忆胶囊文件下载到本地。 导入：用户可以上传一个记忆胶囊文件，平台解析后，AI就能认出这位用户过去的偏好、项目、习惯。这两个功能不需要改变AI的核心能力，只是在现有系统上增加两个接口。
12310编辑于 2026-05-21 意图共鸣科技正式提出“AI记忆链”：让AI拥有长记忆、让用户拥有数据主权的新范式
AI记忆链是什么？2026年4月13日，我们发布了《AI记忆链商业化白皮书》，正式提出了“AI记忆链”这个概念。白皮书本身是一份比较正式的行业文档，这篇我想用更直白的方式，把这件事说明白。 AI记忆链用的是一样的思路。数据存在哪、算力从哪来，这些是平台的事。用户只需要感受到一件事：这个AI记得我。五、这跟大模型是什么关系？需要说明一点：AI记忆链不是一个大模型，也不替代任何大模型。 它是一层架构，架在大模型之上，专门负责“记忆”这件事。你用文心、用通义、用DeepSeek，盘古大模型都可以接入这层架构。记忆链不挑模型，只提供长记忆能力。这个定位的好处是中立。 六、总结AI记忆链想做的，不是让AI更聪明，而是让它更懂你。双轨制解决的是“怎么收费才公平”的问题。盲存解决的是“记忆归谁”的问题。解耦解决的是“存和用怎么放”的问题。 三个问题，一个方向：让AI不再是工具，而是记得你、懂你的伙伴。—— 陈金桥，意图共鸣科技创始人，《AI记忆链商业化白皮书》作者
18210编辑于 2026-04-21- 来自专栏意图共鸣科技
意图共鸣科技《AI记忆链商业化白皮书2.0》：停机保记忆，“优雅降级”或成AI服务新标准
那个灵感，那句话，那个AI好不容易才理解的语境——全没了。这不是你的错。这是订阅制的逻辑：算力和记忆是绑在一起的。算力断了，记忆也断了。就像手机欠费，运营商不仅停了你的通话，还删了你全部通讯录。 当算力额度用尽时，AI不能继续和你对话了——就像手机停机了不能打电话。但你的记忆空间还在。你可以随时打开它，翻看所有的对话历史。 半年前那个项目的方案迭代过程，上周和AI反复打磨的文案草稿，你告诉AI的各种偏好和习惯——全都完整保留，一条不少。你还可以随时导出这些记忆，带走你的数字资产。 这就是一个朴素的承诺：你的数字记忆，不会因为一次额度用尽就被清零。你花在调教AI上的每一分钟，都存在属于你自己的记忆空间里，谁也拿不走。反观订阅制。月费固定，额度有限，用完即锁。你想查看历史对话？ AI也不应该因为你Token用完了，就删了你的记忆。优雅降级不只是技术问题，它是一道选择题。是选择把用户当“人质”，还是当“住户”？是选择让算力绑架记忆，还是让记忆独立存在？
9210编辑于 2026-05-19 - 来自专栏AI大模型
Spring AI 实战：聊天记忆之DB存储，长期记忆
在前文当中，我们已经介绍了 Agent 的记忆能力，并基于 Spring AI 的聊天记忆组件，实现了具备记忆功能的智能行程规划 Agent。 三、【案例】实现Agent 记忆持久化 3.1 核心开发流程 step 1：引入依赖：添加 Spring AI JDBC 记忆存储和 MySQL 驱动依赖； step 2：配置数据库：在application.properties 智普 AI Starter、Spring AI JDBC 记忆存储、MySQL 驱动、Lombok 2. 总结 本文通过 Spring AI 的聊天记忆功能，为智能行程规划 Agent 新增了记忆能力，解决了 “重复输入偏好” 的痛点。 Spring AI 封装了成熟的记忆组件，开发者无需关注底层存储细节，即可快速实现 Agent 的记忆功能，极大降低了开发门槛。
40320编辑于 2026-03-31 - 来自专栏Elastic Stack专栏
AI Agent 记忆：使用 Elasticsearch 管理记忆，打造智能 Agent
例如，当我们想要跨不同对话持久保存用户偏好等记忆时，我们可以在需要时将这些记忆注入到新的对话中，这被称为长期记忆。为什么要修改对话历史？ 程序性记忆：Agent 如何运作程序性记忆 定义了 Agent 的行为方式，而非它知道或记住什么。在实践中，这包括：何时存储记忆。何时检索记忆。如何总结对话。如何使用工具。 程序性记忆决定了记忆如何使用，而非存储了什么内容。情景性记忆：发生了什么情景性记忆 捕捉与某个实体和上下文相关的特定经历。例如：“彼得的生日是明天，他想吃牛排。” 语义性记忆：客观事实语义性记忆 代表关于世界的抽象化、通用化知识，独立于任何单一交互或个人背景。与情景性记忆（与谁说了什么、何时说的相关）不同，语义性记忆捕捉的是普遍为真的事实。 记忆压缩是一个完全不同的话题，但你可以实施一些策略来总结和存储旧的记忆，同时完整地检索新的记忆。
16210编辑于 2026-04-29 - 来自专栏意图共鸣科技
意图共鸣科技：AI记忆链的云部署式——不买显卡，也能拥有专属AI
用AI的人，大概分两种。一种是随便用用。打开网页或App，问几个问题，用完就走。这叫云调用式，就像去网吧上网，关机之后什么都没留下。另一种是想要自己的AI。数据归自己，记忆连续，越用越懂你。 《AI记忆链商业化白皮书》提出了第三种方式：云部署式。它的对标物是云端产权房。本地部署是乡下自建房。隐私极致，主权归你，但你要自己拉网线、修马桶、防小偷。大多数人不想要这种辛苦，他们只想要安全感。 白皮书指出，大多数人要的从来不是“本地部署”，而是“数据归我、记忆连续、越用越懂我”。云部署式用零门槛、零运维的方式，实现了本地部署的核心价值，却不用买一块显卡、写一行代码。不拥有硬件，但拥有主权。
9110编辑于 2026-04-24 - 来自专栏Elastic Stack专栏
AI Agent 记忆：使用 Elasticsearch 管理记忆，打造智能 Agent
例如，当我们想要跨不同对话持久保存用户偏好等记忆时，我们可以在需要时将这些记忆注入到新的对话中，这被称为长期记忆。 为什么要修改对话历史？ 程序性记忆：Agent 如何运作 程序性记忆 定义了 Agent 的行为方式，而非它知道或记住什么。 在实践中，这包括： • 何时存储记忆。 • 何时检索记忆。 • 如何总结对话。 程序性记忆决定了记忆如何使用，而非存储了什么内容。 情景性记忆：发生了什么 情景性记忆 捕捉与某个实体和上下文相关的特定经历。 例如： • “彼得的生日是明天，他想吃牛排。” 语义性记忆：客观事实 语义性记忆 代表关于世界的抽象化、通用化知识，独立于任何单一交互或个人背景。与情景性记忆（与谁说了什么、何时说的相关）不同，语义性记忆捕捉的是普遍为真的事实。 记忆压缩是一个完全不同的话题，但你可以实施一些策略来总结和存储旧的记忆，同时完整地检索新的记忆。
11610编辑于 2026-05-11 AI记忆系统对比
SQL原生+全链路归因Agent原生记忆层，将交互自动转结构化持久状态。打造极致的多智能体协同，需要精确追踪“谁在什么时候做了什么”。 虚拟文件系统(AGFS)将记忆视作文件，用ls、find操控。复杂的RAG系统、需要消化海量非结构化文档（PDF、代码、网页）。 全自动记忆提取行业顶流。全自动从对话中提取事实、偏好与关系。快速推进的SaaS应用、智能客服，追求最短的开发周期。 HindsightVectorize(企业级AI公司)2024年成立，CEOChrisLatimer。仿生记忆+反思进化模仿人类三层记忆（事实/经验/心智），具备自动反思能力。 Holographic独立开发者/学术研究基于全息关联记忆理论的数学库。全息数学记忆(HRR)将知识压缩为复数向量，通过数学绑定与解绑进行代数级检索。
27110编辑于 2026-04-29QClaw AI唤醒非遗老记忆
电子科技大学成都学院 开放原子开源社团 yy双标题短标题（适配短视频/小红书/微博）：AI复原阿婆的闽剧，看哭了深度标题（适配长文平台）：00后用AI做非遗实验，让消失的老戏声重获新生开篇钩子奶奶最后唱的闽剧没录下来 00后女生学AI，只为唤醒那些快要被遗忘的非遗老记忆，看完破防了。结构化正文我是小渔，泉州人，在杭州读大学。高三那年奶奶离世，最后一通视频里，她强撑着唱了段《陈三五娘》。 专属代码块当AI遇见老记忆：一位年轻人的"非遗唤醒"实验“阿婆年轻时唱的闽剧，我现在还想听。”那时候我还不懂，为什么奶奶每次提起戏文，眼神就亮了。 价值总结一位女生用AI承载思念、唤醒非遗，让闽剧、提线木偶戏等快要被遗忘的老记忆重焕生机。打破非遗“老掉牙”的偏见，让年轻人看见传统文化的温度，也让更多人关注到非遗传承的困境与希望。 行动号召（CTA）转发这篇推文，让更多人看见非遗的魅力✨ 关注我们，一起见证AI与非遗的碰撞，为传统文化传承出一份力～
8910编辑于 2026-04-23- 来自专栏意图共鸣科技
AI记忆链商业化白皮书│重构AI服务的底层逻辑——从“软件订阅”到“数字水电煤
就像社交时代的关系链锁住了人与人的连接，AI时代的记忆链将锁住人与AI的沉淀。 换一个AI工具，就像换一个城市生活——过去的记忆全部清空，一切从头开始。记忆链，就是AI时代的“关系链”。留住记忆，就留住了人；留住了人，才能长出真正的AI生态。 如果说关系链定义了互联网的上半场，那么记忆链将定义AI时代的下半场。第二章：记忆链方案——双轨制重构2.1 什么是记忆链？简单说，就是让AI拥有长记忆。 AI记忆链让用户拥有连续累积、跨设备同步、可资产化的数字记忆，不因换设备或会话中断而断裂。 这正是记忆链所追求的用户体验——让AI不再是“一次性工具”，而是“终身伙伴”。我们相信，当用户与AI共同走过足够长的时间，它会越来越懂你，甚至在你话说一半时就知道你要什么。这不是魔法，这是记忆链。
18310编辑于 2026-04-28 - 来自专栏ATYUN订阅号
DeepMind最新AI程序使记忆内存化
他们本身并没有创造记忆，也没有重建脑海中发生的事情。相反，正如他们所说的那样，他们“提供了一种可以激发神经科学，心理学和行为经济学模型的行为的机械描述”。 ? 例如遇到彩色方块，以后有许多序列，如果模拟可以使用充当记忆的较早探索记录找到通往现实的方式，则将获得奖励。 他们是如何做到这一点的呢？ 为此，研究增加了RL程序检索记忆的能力，这些记忆是过去动作的记录，例如先前遇到彩色方块的记录。他们称其为“重构内存代理”。所谓的RMA利用NMT功能通过梯度下降来存储和检索内存。 他们的结果表明，他们击败了基于“长期-短期记忆”或LSTM网络的典型RL方法。意思是，RMA和TVT的DeepMind组合击败了LTSM，甚至那些利用内存存储的LSTM。 重要的是要记住，这全都是游戏，而不是人类记忆的模型。在游戏中，DeepMind的RL代理运行在违抗物理的系统中，在该系统中，将来获得奖励的事件会向过去发出信号，以改善或“引导”先前采取的行动。
63520发布于 2019-12-09 - 来自专栏程序猿DD
如何让 AI Agent 的记忆更像人类？
目前的 AI "记忆"系统真的在"记忆"吗，还是只是在机械地存储数据？ 今天我想分享一篇文章，带你深入思考 AI 记忆的本质，探讨如何构建真正类似人类记忆的智能体系统。 以下内容翻译自《Towards Human like Memory for AI Agents》。 记忆已经成为 AI 社区最受关注的话题之一。 在这篇博客中，我将分享我认为智能体的记忆层将如何演变得更像人类。 为什么当前的记忆系统会失败？ 如今大多数 AI 应用中的记忆系统都建立在一个简单的想法上：存储每条消息、事件或摘要，需要时检索。 长期记忆 被证明有意义或反复加强的信息被编码到长期记忆中。 它被分类为： • 语义记忆： 事实、概念和关系 • 情节记忆： 个人经历和事件 与向量转储不同，这些记忆形成随时间增长的概念图。 它由五个相互连接的层组成：感觉记忆、短期记忆、长期记忆、记忆管理器和核心记忆。 感觉记忆 每次交互都从这里开始，即感觉层。它负责捕获原始输入并决定什么值得注意。
28910编辑于 2026-02-28 - 来自专栏AI大模型
Spring AI 实战：聊天记忆之带记忆能力的智能行程规划 Agent 开发
本文作为 Spring AI 系列的 Agent 进阶篇，将基于 Spring AI 的聊天记忆功能，为 Agent 新增记忆能力，使其能存储用户偏好、自动复用历史信息，让行程规划更个性化、更高效。 ChatMemoryRepository：记忆存储接口，负责实际存储聊天记忆，Spring AI 提供内存、JDBC、Redis 等实现，也支持自定义。 （20 条）避免冗余； 易用性：Spring AI 封装了记忆核心逻辑，无需手动管理上下文。 总结 本文通过 Spring AI 的聊天记忆功能，为智能行程规划 Agent 新增了记忆能力，解决了 “重复输入偏好” 的痛点。 Spring AI 封装了成熟的记忆组件，开发者无需关注底层存储细节，即可快速实现 Agent 的记忆功能，极大降低了开发门槛。
50020编辑于 2026-03-09 - 来自专栏意图共鸣科技
意图共鸣科技《AI记忆链商业化白皮书2.0》——中国电信模式如何重构AI计费与信任？
这是记忆共识落地的第一步。5.3 姿态：我们提供框架，行业共同建设AI记忆链不是封闭方案，而是面向行业的开放性框架。 《AI记忆链商业化白皮书》1.0全文已提交登记作品著作权《AI记忆链商业化白皮书》2.0全文已提交登记原创存证白皮书核心内容已通过第三方权威机构存证使用规范学术研究、媒体报道、行业讨论：可自由引用、转载 ，但须注明出处“东莞市意图共鸣科技有限公司《AI记忆链商业化白皮书》”。 品牌联名：欢迎注明“基于意图共鸣记忆链技术”。战略定位AI记忆链是面向整个行业的基础设施构想，如同关系链成就了社交生态，记忆链有望成为下一代AI服务的底层标准。 我们期待与行业同仁一道，将“记忆链”从思想落地为现实，让AI成为人类的数字伙伴。
13710编辑于 2026-05-15 - 来自专栏AustinDatabases
AI 很聪明，但就怕脑子失忆，记忆对AI很重要
AI系统从讨论已经到了大家都在使用的阶段，而众所周知AI系统的关键问题，或者需要处理好的一个关键问题就是，连续提问的问题，因为AI聪明的，没有记忆。 下面就翻译一篇国外关于AI系统没有记忆的文章。 AI总要的记忆 AI 系统虽然能够生成令人印象深刻的文本、代码和音乐，但它们基本上是“失忆”的。它们一次只处理一个提示，没有长期记忆或个性化学习。 所有领先的 LLM 供应商都在探索如何赋予 AI 记忆，这可能会彻底改变 AI 的影响。 因此，记忆正在成为 AI 缺失的那一块拼图，它可能将今天的“健忘”机器人转变为具有适应能力的伙伴。现在最大的问题是如何为我们的 AI 系统提供这种急需的记忆。 现在，在生成式 AI 时代，数据库正在扮演新的角色，成为 AI 技术栈的记忆层。
89010编辑于 2025-08-24 - 来自专栏量子位
AI模仿人脑记忆模式，游戏成绩大涨29.9%
克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 我们常常被教育的做事“三思而后行”，充分运用积累过的经验，现在这句话对AI也有所启发了。 传统的决策AI模型由于遗忘效应的存在不能有效积累经验，但一项由华人主导的研究改变了AI的记忆方式。 新的记忆方式模仿了人类大脑，有效地提高了AI积累经验的效率，从而将AI打游戏的成绩提高了29.9%。 研究团队由六人组成，分别来自米拉-魁北克AI研究院和微软蒙特利尔研究所，其中有四名是华人。 而人脑采用分布式记忆存储方式，记忆的内容被分散存储在大脑中的多个不同区域。 这种方式有助于有效地管理和组织多种技能，从而减轻遗忘现象。 最后两步——记忆更新和检索是记忆模块的核心，也是整个DT-Mem中最重要的环节。 记忆更新，即对已有信息进行编辑替换，以确保信息能根据任务需要及时更新。
34020编辑于 2023-08-03 AI 智能体长期记忆突破：Hermes Agent 的三层记忆体系，让 AI 智能体不再失忆
官方对它的定位很清楚：一个会随着使用不断积累经验的 self-improving AI agent（自我改进型AI智能体）。 一、AI 智能体最大的瓶颈是什么？不会积累经验 真实工作不是考试，不是每次给一道新题让 AI 临场发挥。 关键作用：让 AI 智能体真的开始懂你。技能记忆：沉淀成功经验和工作流。类比：工作手册。关键作用：把一次成功变成下一次的起点。 A：它主要解决 AI 智能体“不会长期记忆、不会积累经验”的问题，让 Agent 不再只是一次性工具。 Q：三层记忆体系指什么？ 今天我们是在“使用 AI”，未来我们可能是在“训练自己的 AI 工作伙伴”。 我越来越相信，AI 智能体的下一阶段，不只是拼谁回答得更聪明，而是拼谁能越用越懂你、越用越可靠。
32620编辑于 2026-05-20- 来自专栏nginx
Spring AI 聊天记忆管理：MessageWindowChatMemory 与 MessageChatMemoryAdvisor 详解
Spring AI 聊天记忆管理：MessageWindowChatMemory 与 MessageChatMemoryAdvisor 详解 引言 在现代对话系统开发中，维护对话上下文是构建智能交互体验的关键 Spring AI 框架提供了强大的聊天记忆管理功能，其中 MessageWindowChatMemory 和 MessageChatMemoryAdvisor 是两个核心组件。 一、Spring AI 聊天记忆核心概念 1.1 ChatMemory 接口 ChatMemory 是 Spring AI 中定义聊天记忆行为的核心接口： public interface ChatMemory public class PriorityMessageChatMemory implements ChatMemory { // 实现优先保留重要消息的逻辑 } 结论 Spring AI 的记忆管理功能通过 通过遵循这些指导原则，你可以避免常见的配置错误，并充分利用 Spring AI 提供的记忆管理功能，为用户创造更加连贯和个性化的对话体验。
1.1K10编辑于 2025-11-15 - 来自专栏全栈程序员必看
记忆化递归（记忆化搜索）
我看了答案还是有些不能完全理解，于是又去b站翻了翻教程基础DP，其中提到记忆化的递归（也称记忆化搜索），相当于结合了dp和递归的优点（这时我又觉得比DP还厉害），然后就准备写写记忆化递归。 ---- 目录 1.记忆化递归的解释与分析 2.记忆化递归的应用 ---- 一、记忆化递归的解释与分析 前面说道它结合了dp和递归的优点，分别是记忆化和逻辑清晰易懂。 记忆化递归则更加”投机取巧“了，它只计算了需要用的值并储存起来，而其它不会用到的值不去计算，最大化地减少了计算。 打个比方，dp就相当于计算了一个方阵上所有的点（无论有没有利用价值），而记忆化递归相当于计算了方阵上有价值的点，因此记忆化递归的运行时间可能比dp还要短。 （注意只是可能，因为斐波那契数列无论是dp还是记忆化递归，都是要把前面的值全部算出来的） ---- 二、记忆化递归的应用 感觉没啥写的,就拿分配宝藏来写shui一写shui吧。题目在这里。
71560编辑于 2022-09-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号