"东谈主类智能 = 推理 + 永久牵记"。

当 AI 推理才气的竞赛参预尖锐化，所有这个词行业驱动意志到：infra 层面的牵记缺失，正成为截至 AI 走向个性化与自进化的最大瓶颈。

莫得永久牵记的 Agent，就像一个自然考上了清华、但每天醒来都不默契亲妈的天才。而多数涌入牵记赛谈的公司，好多实质上仅仅在作念向量数据库，把数据存起来，等东谈主来检索。

EverMind 想作念点不相似的。这家由恢弘集团孵化的公司，定位是为所有 AI Agent 提供一个通用的 " 牵记层 "（Memory Layer）。它的中枢产物 EverOS 是一套开源的永久牵记系统，开发者不错把它接入我方的 Agent，让 AI 不仅能记取用户的历史对话和偏好，还能像东谈主相似对牵记进行整理、更新，以致从昔时的劝诫中学习和进化。

EverMind 的 CEO 邓亚峰，是一位在 AI 限度深耕二十余年的老兵。他毕业于清华大学，曾任 360 集团副总裁兼 AI 征询院院长、格灵深瞳 CTO，在忖度机视觉、多模态 AI 和 AI 制药等限度深耕多年。2025 年，他加入恢弘，带队从零启动 EverMind 的永久牵记面貌。团队仅用四个月就在多项牵记评测上达到了 SOTA。

咱们与邓亚峰进行了一次对话，聊了聊他为什么押注永久牵记，以及这项期间到底要惩办什么问题。以下是对话实录，为阅读体验稍作剪辑。

为什么是 Long-term Memory（LTM）

硅星东谈主：在视觉、多模态、AI 制药这些限度都作念到过很好的得益之后，您是如何锁定 " 永久牵记 " 这个标的的？

邓亚峰：作念 AI 制药的时候我最大的体会是，当数据产生得慢、不成快速迭代，期间率先即是有限的。是以之后选标的，我就想找一个能快速作念数据迭代闭环的限度。也洽商过机器东谈主，但落地周期太长、数据取得繁重。转向谈话模子之后，又濒临大模子在并吞一切的问题。OpenAI、Anthropic 车轮滔滔，创业公司的空间越来越小，必须找到一个有专有性的细分赛谈。

永久牵记适值得志这几个要求：它是下一代 AI 的必备特质，征询得很少，跟推理才气相对正交，有很强的策略独处性。那时这个标的相对冷门，群众还在作念 LLM 模子、Agent、post-training，但我认为莫得牵记功能的 Agent，用户体验一定是受限的。今天这仍是成了行业共鸣。

恢弘这边的视角也很专有。陈天桥先生昔时十多年一直在 sponsor 脑科学和 mental health 的征询，对东谈主类智能的机制机理相当感兴味。这几年 AI 的发展让他驱动念念考一个问题：东谈主类智能适值不错简化为"推理 + 永久牵记"，推理这一半仍是有无数巨头在卷了，永久牵记是不是一个极具策略独处性的标的？这个判断和我我方的念念考刚好吻合。

硅星东谈主：在您看来，Long-term Memory 到底要惩办什么中枢问题？

邓亚峰：三件事。

第一，随意有限的高下文长度。咫尺模子高下文窗口基本到了 1M token，但牵记数据量杰出这个截至就没法用了。现存的 RAG 或压缩决策都是工程融合，不是最优解。咱们作念 memory，实质上是帮模子更好地管束高下文，在极高压缩率、低 token 花消的前提下，让模子有用诓骗无尽的历史信息。

第二，完结着实的个性化。东谈主在相通中会为对方成立 profile：身份、偏好、价值不雅、谈话立场、观点。LTM 即是帮 Agent 构建和保重这么的用户画像，交互越多越懂你。自然，LTM 的个性化树立不仅限于 Profile Memory。

第三，Self-evolving，自进化。今天的 AI 靠 offline training 擢升才气，在和用户交互的经由中并不会变得更灵巧。我认为下一代 AI 一定是在交互中学习的，是一种 online learning。Long-term Memory 是完结自进化的要津：通过纪录和分析交互的见效与失败，回归最好实施，学问和念念考面貌都随之率先。

这三件事和东谈主类进化出永久牵记的旨趣是相似的。邃古期间，那儿水草丰茂你要记取，那儿有危急你也要记取，同期你还要笔据季节和天气去瞻望将来，这片草地会变得更湿润如故会发激流。而况征询标明，永久牵记匡助东谈主类组织磨真金不怕火样本，把不同劝诫分类团员，是以东谈主的泛化才气远强于模子。模子是把所罕有据不作念差异地扔进去磨真金不怕火，很容易过拟合，或无离别求概率。东谈主脑的永久牵记机制让学习更有结构，滚球app中国官网下载入口泛化更强。AI 的 Long-term Memory 要作念的，实质上亦然这件事。

Memory Layer 和 Agent 层

硅星东谈主：您提到的个性化和自进化，听起来更像 Agent 应用层的功能，不像 infra layer 能作念的事？

邓亚峰：这是一个很好的点。Infra layer 能作念一部分。咱们最近在作念一个行将开源的 feature，基于 memory 的自进化。不同 Agent 把运行的 trace 放到我的 memory 里，我不错笔据见效和失败的劝诫去回归最好 SOP。比如你作念了一个任务见效了，我作念了一个访佛的任务失败了，当我把多数用户的劝诫集会下来，就不错 learn from experience。这在牵记层是不错作念到的。

若是想作念得更深，比如基于用户响应作念强化学习，那如实需要 Agent 层和 Memory Layer 协同。但 Memory Layer 在其中上演要津变装：帮 Agent 层组织数据，就像东谈主脑永久牵记接济学习的机制相似。

硅星东谈主：在您看来，接入 Memory Layer，Agent 最直不雅的智能擢升体咫尺哪？

邓亚峰：四个维度。

第一是遵循，token 的极致压缩。这对限度资本至关伏击。若是咱们的产物能让 token 数荒谬下落，这件事的交易价值口角常大的。

第二是见遵循。咱们作念了基于 skill 的自进化机制，Agent 不错从昔时劝诫中学习，某些缱绻实测擢升了 234.8%。比如你昨天用一个功能可能还会失败，但这两天有几个东谈主也用过了，系统学到了其中见效的劝诫之后，你今天再用就见效了。系统会变得越来越好。

第三是个性化。不同用户有不同的高下文和牵记，每个东谈主的助手体验都唯独无二。咱们里面有个 AI Native 的配合平台叫 Tanka，提供基于永久牵记的 AI 助手。背后的 LLM 和推理期间是相似的，但因为每个东谈主的牵记不同，聊出来的后果就都备不相似。

第四是主动性。纪录了用户的举止历史之后，Agent 不错瞻望下一步需求。比如我知谈你每天这个时候要买杯咖啡，我就不错提前指示你。再进一步，我以致不错提前把事情作念了，再问你 " 这是不是你要的扫尾？" 就像一个能预判需求的好职工，你莫得 assign 的责任他仍是作念完毕。

牵记如何更新，2026世界杯最新押注登录平台如何 " 健忘 "

硅星东谈主：我用 GPT 通常遭受这个问题：我的生涯仍是更新了，但它对我的交融还停在之前。比如之前跟它聊过的东谈主事物，在我现阶段的生涯里仍是不伏击了，但它还老是拿起，就让东谈主以为很烦。EverMind 如何处理牵记的冲突和逾期信息？

邓亚峰：咱们的机制分两步：在印迹要（Online Memory Extraction）和离线进化（Offline Memory Evolution）。

在印迹要，信息进来后作念 boundary detection，把并吞 topic 的内容聚到全部，索要事实性的情景牵记（episodic memory），再瞻望这个事实对将来的影响，咱们叫 forecast。牵记不仅仅归档，要能工作于将来的决策。

离线进化，系统按时作念几件事：在更大范围信息上提真金不怕火用户 profile；作念反念念和刷新，有点像 Claude Code 里 "dream" 作念的事，让模子回头疑望之前的判断对不合；还有处理牵记更新，通过牵记聚类策略（merge），把相似话题聚在全部，冲突信息按时期线用最新的作念 update。

淡忘爽脆讲是更难的。Update 相对容易，用最新的信息替代老的就行。但淡忘有一个周期性的问题：你昨天提到一个东谈主，系统以为他伏击；一星期前呢？一个月前呢？是不是就该忘了？咱们咫尺是在离线策略中把每条信息的时期放进去，聚拢咱们的瞻望将来功能，让模子我方去推测这条信息的时效性。爽脆说，在刻下这个时期点还莫得作念到相当梦想，但我认为它是一个会被徐徐惩办的问题。

我的判断是：AI 的 " 淡忘 " 不应该是物理删除，数据存在磁盘上不贵，而是一种权重休养策略。近期信息权重高，远期信息权重低，但需要时仍能找回。东谈主类为什么需要淡忘？两个原因：一是东谈主脑是狡猾耗系统，记太多东西能耗扛不住；二是你需要基于近期信息作念决策和瞻望。AI 不存在第一个截至，它只需要在决策中把时效性和伏击性合理洽商进去。从这个角度说，AI 的淡忘机制现实上不错比东谈主类更优。

开源生态与大厂竞争

硅星东谈主：EverOS 仍是在 GitHub 上开源。但 OpenAI、Anthropic 也都有我方的牵记功能，用户仍是集会了好多偏好数据在他们的平台上。第三方 Memory Layer 如何找到我方的位置？

邓亚峰：咱们的定位是作念一个 memory layer for agents，将来所有 Agent 都需要牵记功能，但没必要每个团队都我方建一套 infra。咱们但愿成为阿谁契约数。

大厂一定会作念牵记，但第三方牵记层的空间来自一个苟简事实：用户不会只用一个产物。你不会只用 Claude，也不会只用 OpenAI。你在各个产物上的历史信息都有价值，是以反而需要一个着实属于我方的跨平台牵记管束器用。这件事的驱能源是用户需要，不是咱们想作念如故大厂想作念。

另外，memory 管束不需要最顶尖的大模子。咱们用 4B 的模子能作念到 235B 级别的后果，更快、资本更低。对开发者来说，memory 将来不是 " 能不成 " 的问题，而是性价比的问题。

开源策略上，咱们相当透顶：开源版和腹地部署等价，数据都备留在腹地，得志狡饰要求高的用户。同期也有云版块，让不想我方部署的小团队即插即用。最中枢的算法全部开源。咱们也在作念一件事，帮用户把 Claude Code、OpenAI 和其他 Agent 里的 memory 数据买通，跨平台、跨端、长入管束。跟好多东谈主聊完发现，这是一个很刚的需求。

硅星东谈主：记取的信息越多，安全风险也越大。这方面如何均衡？

邓亚峰：两个层面。信息安全，也即是牵记会不会知道，这跟云工作的安全挑战是等价的，需要塌实的期间保险。另一个是系统要对明锐信息作念过滤。比如用户告诉你密码、银行账号，咱们有个 vault 机制，把崇高锐信息拒绝存放，只在零碎情况下激活。

部署模式上，牵记的梦想阵势是云霄和端侧聚拢。用户的数字钞票存在腹地开辟上，复杂处理借助云霄，双方作念同步。咱们的模子仍是不错作念得很小，将来开辟能跑 4B 模子，忖度就不错都备部署到端上。

若是 AI 记取了你的一切

硅星东谈主：若是 AI 领有了相当长周期、相当精准的牵记，它就不再仅仅器用了。您但愿您的 AI 助理记取什么，不想让它记取什么？

邓亚峰：我以为将来最梦想的景象有两种。一种是 " 贾维斯 "，24 小时随着你的 AI，你的任务和意图都通过它完成，它只需要你阐发扫尾。另一种是数字分身。AI 弥漫了解你之后，不错代表你去 " 打工 "，粗鲁作念 Agent 应答。咱们每个东谈主都有好多两年都不会聊天的一又友，但彼此可能有值得相通的信息。东谈主是串行的，AI 是并行的，你的数字分身不错和他的数字分身聊天，发现共同话题了来告诉你，" 你们两个应该聊聊这件事儿。" 这让我以为相当 exciting。

至于记什么、不记什么，梦想的 AI 要有领域感和情商，知谈哪些话题在神志上是明锐的。不外有酷爱的是，东谈主和 AI 的相处未必比东谈主和东谈主更容易，你自然认为 AI 跟你是一边的，反而更欢腾倾吐一些不会跟一又友说的事情。

硅星东谈主：我对 memory 有个感受：它有点像东谈主类对时期感知的演变。在腕表普及之前，你外出之后其实不知谈咫尺是几点几分了，对时期唯有一个迂缓的感知。而咫尺有了手机，你不错遍地随时知谈咫尺的时期。而东谈主类咫尺对牵记的感知，就像腕表出现之前东谈主类对时期的感知进程。您以为，若是 AI 有了精准的永久牵记，东谈主对本人阅历的感知会不会也发生访佛的升沉？

邓亚峰：这个比方相当好。咫尺的东谈主类就像钟表刚发明时的景象，对我方作念过什么有约莫感知，但不精准。若是 AI 能长周期地精准纪录和管束你的个东谈主数据，东谈主对自我的了解会上涨到一个咫尺无法联想的进程。

而况 AI 的牵记才气不错弥补东谈主类的一个先天截至：东谈主的能量有限，是以有东谈主擅长宏不雅有缱绻，有东谈主擅长细节，很少有东谈主两样都强。但 AI 的 Long-term Memory 不错既帮你梳理三年来的大事眉目、作念更有远见的有缱绻，又能在你需要时精准调出三年前某个时刻的具体细节。宏不雅和微不雅竣工聚拢，这是 AI 在 memory 上着实让东谈主隆盛的场地。

博亚体育app中国官网入口2026世界杯最新押注登录平台