构件
Memorus
成熟度：早期试点给 AI 系统的长期记忆：从对话里抽取值得留下的事实，去重，随时间衰减，按混合方式检索。
记忆 · 调用 connect() 连接网关— 陈旧锚定于 gateway/client.ts · 两次输入印证 · 锚定的代码片段已不在原文件检索时核验
主张
记忆也需要可核查。
一条记忆从哪条输入来、被几次输入印证过、何时会衰减、检索时是否还成立， 都应当查得到。记不住是一种问题；记错了而没人知道，是更大的问题。
机制
形成，检索，接入。
记忆如何形成：抽取、脱敏、去重。
- 输入先经四步处理：识别、评分、隐私脱敏、提炼成一条条记忆。 默认使用本地规则，不调用任何外部模型；调用模型的模式需要显式开启。
- 脱敏规则不能单独关闭；处理管线默认开启。脱敏步骤失败时，这次写入整条不落库。
- 新记忆与已有记忆比对相似度，决定新增、合并或跳过；互相矛盾的记忆会被标记出来。
- 数据模型带来源字段：哪个会话、第几轮、谁说的、内容摘要哈希；目前经服务接口写入的记忆还没有来源记录。 后续输入重复印证同一事实时，印证次数加一。
- 写入时发现同一事实有了新值，旧记忆保留为历史，标记「已被取代」并指向新记忆，检索时排在后面。 新增、修改、删除都写入变更历史，可按条查询。
如何衰减与检索：权重随时间下降，检索时核验是否过时。
- 衰减按半衰期计算，新记忆有一段保护期；每被检索一次，权重回升一些； 被检索足够多次的记忆不再衰减。参数都可以配置。
- 衰减清理由命令行或 MCP 工具触发，权重低于阈值的记忆在清理时移出存储， 清理结果报告更新、移出、转为长期的条数。
- 检索综合四层信号：精确关键词、词干模糊匹配、元数据、语义相似度， 再乘以衰减权重与时效因子，得到一个排序分。
- 记忆可以锚定到某个源文件里的一段文字。检索时重新核对这段文字是否还在， 标为「已核验」「陈旧」或「无法核验」，随结果一起返回。 对陈旧记忆默认只标注；也可以配置为降权或直接剔除。
如何接入：命令行、REST、MCP；可随交付部署进客户环境。
- 一个引擎，三种接入：命令行工具（
learn/search/sweep/verify等）、REST 接口、MCP 服务（本地 stdio，或服务端 HTTP 端点，后者目前仅支持单租户）。 - REST 服务在非本机地址上启动时必须配置 API 密钥，否则拒绝启动。 可选按密钥区分租户，并提供按用户擦除数据的接口。
- 有面向客户环境的 Docker Compose 部署包：一个应用容器加一个一次性初始化容器，内置 SQLite 存储， 不依赖我们这边的任何基础设施；镜像可随交付以离线包提供，并附校验和。
公开基准
数字公开，失败也公开。
我们在两个公开长对话记忆基准上跑了实测，作答用的是低价通用对话模型（关闭推理）。
- LongMemEval_S held-out 问答准确率；同作答模型只给证据为 0.905
- 0.837
- LongMemEval_S held-out 会话检索 any@5
- 0.971
- LoCoMo J 分（类别 1–4，1540 题）
- 0.746
边界与现状
还在早期，我们写清楚到哪一步。
- 当前版本在预发与演示环境运行，未承载客户生产流量，尚未替换正在服务线上流量的上一代实现。
- 检索结果返回总分与核验状态；各层的分项得分目前只在引擎内部计算，还没有通过接口返回。
- 混合检索与纯向量检索的对比现在有实测：dev 集会话检索 any@5 词法 + 向量 0.973、纯向量 0.958，差距不大。 LoCoMo 的短轮次检索仍是短板（轮次级 any@10 0.658）； 评测里用到的词法清理与「整本会话 + 尾部命中轮」目前只在评测链路里，尚未进产品默认配置。
- 零配置默认使用确定性的哈希向量，不是真实的语义嵌入；要做语义检索，需要配置嵌入服务。
- 数据模型带来源字段；目前经服务接口写入的记忆还没有来源记录。
概念与架构细节见 文档。