"东说念主类智能 = 推理 + 永久顾虑"。

当 AI 推理身手的竞赛投入尖锐化，通盘行业启动坚贞到：infra 层面的顾虑缺失，正成为限制 AI 走向个性化与自进化的最大瓶颈。

莫得永久顾虑的 Agent，就像一个自然考上了清华、但每天醒来皆不相识亲妈的天才。而无数涌入顾虑赛说念的公司，好多实质上仅仅在作念向量数据库，把数据存起来，等东说念主来检索。

EverMind 想作念点不相通的。这家由恢弘集团孵化的公司，定位是为总共 AI Agent 提供一个通用的 " 顾虑层 "（Memory Layer）。它的中枢居品 EverOS 是一套开源的永久顾虑系统，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，还能像东说念主相通对顾虑进行整理、更新，致使从往常的告诫中学习和进化。

EverMind 的 CEO 邓亚峰，是一位在 AI 规模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 守护院院长、格灵深瞳 CTO，在缠绵机视觉、多模态 AI 和 AI 制药等规模深耕多年。2025 年，他加入恢弘，带队从零启动 EverMind 的永久顾虑容貌。团队仅用四个月就在多项顾虑评测上达到了 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顾虑，以及这项时间到底要措置什么问题。以下是对话实录，为阅读体验稍作剪辑。

为什么是 Long-term Memory（LTM）

硅星东说念主：在视觉、多模态、AI 制药这些规模皆作念到过很好的收获之后，您是若何锁定 " 永久顾虑 " 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，时间跨越等于有限的。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规模。也探究过机器东说念主，但落地周期太长、数据获得贫困。转向谈话模子之后，又濒临大模子在吞吃一切的问题。OpenAI、Anthropic 车轮滔滔，创业公司的空间越来越小，必须找到一个有私有性的细分赛说念。

永久顾虑碰巧欣喜这几个条目：它是下一代 AI 的必备特质，守护得很少，跟推理身手相对正交，有很强的计策独处性。其时这个标的相对冷门，环球还在作念 LLM 模子、Agent、post-training，但我认为莫得顾虑功能的 Agent，用户体验一定是受限的。今天这还是成了行业共鸣。

恢弘这边的视角也很私有。陈天桥先生往常十多年一直在 sponsor 脑科学和 mental health 的守护，对东说念主类智能的机制机理相当感兴味。这几年 AI 的发展让他启动念念考一个问题：东说念主类智能碰巧不错简化为"推理 + 永久顾虑"，推理这一半还是有无数巨头在卷了，永久顾虑是不是一个极具计策独处性的标的？这个判断和我我方的念念考刚好吻合。

硅星东说念主：在您看来，Long-term Memory 到底要措置什么中枢问题？

邓亚峰：三件事。

第一，破损有限的高下文长度。面前模子高下文窗口基本到了 1M token，但顾虑数据量超越这个限制就没法用了。现存的 RAG 或压缩决策皆是工程协调，不是最优解。咱们作念 memory，实质上是帮模子更好地握住高下文，在极高压缩率、低 token 奢华的前提下，让模子有用运用无穷的历史信息。

第二，收场真确的个性化。东说念主在相易中会为对方开垦 profile：身份、偏好、价值不雅、谈话立场、主义。LTM 等于帮 Agent 构建和调理这么的用户画像，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 普及身手，在和用户交互的历程中并不会变得更机灵。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 是收场自进化的重要：通过纪录和分析交互的告捷与失败，回来最好引申，学问和念念考样子皆随之跨越。

这三件事和东说念主类进化出永久顾虑的旨趣是相通的。旷古期间，那边水草丰茂你要记取，那边有危机你也要记取，同期你还要把柄季节和天气去计划畴昔，这片草地会变得更湿润照旧会发激流。况兼守护标明，永久顾虑匡助东说念主类组织探员样本，把不同告诫分类团员，是以东说念主的泛化身手远强于模子。模子是把所阑珊据不作念辞别地扔进去探员，很容易过拟合，或无远离求概率。东说念主脑的永久顾虑机制让学习更有结构，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

硅星东说念主：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，我不错把柄告捷和失败的告诫去回来最好 SOP。比如你作念了一个任务告捷了，我作念了一个近似的任务失败了，当我把无数用户的告诫积蓄下来，就不错 learn from experience。这在顾虑层是不错作念到的。

若是想作念得更深，比如基于用户反映作念强化学习，那如实需要 Agent 层和 Memory Layer 协同。但 Memory Layer 在其中演出重要扮装：帮 Agent 层组织数据，就像东说念主脑永久顾虑扶持学习的机制相通。

硅星东说念主：在您看来，接入 Memory Layer，Agent 最直不雅的智能普及体面前哪？

邓亚峰：四个维度。

第一是着力，token 的极致压缩。这对适度本钱至关进攻。若是咱们的居品能让 token 数极端下落，这件事的贸易价值瑕瑜常大的。

第二是告捷率。咱们作念了基于 skill 的自进化机制，Agent 不错从往常告诫中学习，某些运筹帷幄实测普及了 234.8%。比如你昨天用一个功能可能还会失败，但这两天有几个东说念主也用过了，系统学到了其中告捷的告诫之后，你今天再用就告捷了。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顾虑，每个东说念主的助手体验皆惟一无二。咱们里面有个 AI Native 的合营平台叫 Tanka，提供基于永久顾虑的 AI 助手。背后的 LLM 和推理时间是相通的，但因为每个东说念主的顾虑不同，聊出来的后果就实足不相通。

第四是主动性。纪录了用户的行径历史之后，Agent 不错计划下一步需求。比如我知说念你每天这个时候要买杯咖啡，我就不错提前领导你。再进一步，我致使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 的使命他还是作念罢了。

顾虑若何更新，开云kaiyun(中国)若何 " 健忘 "

硅星东说念主：我用 GPT 芜俚遭受这个问题：我的生存还是更新了，但它对我的交融还停在之前。比如之前跟它聊过的东说念主事物，在我现阶段的生存里还是不进攻了，但它还老是拿起，就让东说念主合计很烦。EverMind 若何处理顾虑的冲突和逾期信息？

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

在陈迹要，信息进来后作念 boundary detection，把团结 topic 的内容聚到一说念，索要事实性的情景顾虑（episodic memory），再计划这个事实对畴昔的影响，咱们叫 forecast。顾虑不仅仅归档，要能管事于畴昔的决策。

离线进化，系统依期作念几件事：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，让模子回头扫视之前的判断对不合；还有处理顾虑更新，通过顾虑聚类策略（merge），把相似话题聚在一说念，冲突信息按时期线用最新的作念 update。

淡忘坦荡讲是更难的。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：你昨天提到一个东说念主，系统合计他进攻；一星期前呢？一个月前呢？是不是就该忘了？咱们面前是在离线策略中把每条信息的时期放进去，连合咱们的计划畴昔功能，让模子我方去估计这条信息的时效性。坦荡说，在现时这个时期点还莫得作念到相当期望，但我认为它是一个会被迟缓措置的问题。

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，而是一种权重诊疗策略。近期信息权重高，远期信息权重低，但需要时仍能找回。东说念主类为什么需要淡忘？两个原因：一是东说念主脑是稚子耗系统，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计划。AI 不存在第一个限制，它只需要在决策中把时效性和进攻性合理探究进去。从这个角度说，AI 的淡忘机制践诺上不错比东说念主类更优。

开源生态与大厂竞争

硅星东说念主：EverOS 还是在 GitHub 上开源。但 OpenAI、Anthropic 也皆有我方的顾虑功能，用户还是积蓄了好多偏好数据在他们的平台上。第三方 Memory Layer 若何找到我方的位置？

邓亚峰：咱们的定位是作念一个 memory layer for agents，畴昔总共 Agent 皆需要顾虑功能，但没必要每个团队皆我方建一套 infra。咱们但愿成为阿谁协议数。

大厂一定会作念顾虑，但第三方顾虑层的空间来自一个毛糙事实：用户不会只用一个居品。你不会只用 Claude，也不会只用 OpenAI。你在各个居品上的历史信息皆有价值，是以反而需要一个真确属于我方的跨平台顾虑握住器具。这件事的驱能源是用户需要，不是咱们想作念照旧大厂想作念。

另外，memory 握住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、本钱更低。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：开源版和土产货部署等价，数据实足留在土产货，欣喜隐秘要求高的用户。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、合股握住。跟好多东说念主聊完发现，这是一个很刚的需求。

硅星东说念主：记取的信息越多，安全风险也越大。这方面若何均衡？

邓亚峰：两个层面。信息安全，也等于顾虑会不会显露，这跟云管事的安全挑战是等价的，需要塌实的时间保险。另一个是系统要对敏锐信息作念过滤。比如用户告诉你密码、银行账号，咱们有个 vault 机制，把高敏锐信息阻扰存放，只在特殊情况下激活。

部署模式上，顾虑的期望形态是云霄和端侧连合。用户的数字钞票存在土产货设备上，复杂处理借助云霄，双方作念同步。咱们的模子还是不错作念得很小，将来设备能跑 4B 模子，缠绵就不错实足部署到端上。

若是 AI 记取了你的一切

硅星东说念主：若是 AI 领有了相当长周期、相当精准的顾虑，它就不再仅仅器具了。您但愿您的 AI 助理记取什么，不想让它记取什么？

邓亚峰：我合计畴昔最期望的情状有两种。一种是 " 贾维斯 "，24 小时随着你的 AI，你的任务和意图皆通过它完成，它只需要你阐发扫尾。另一种是数字分身。AI 充足了解你之后，不错代表你去 " 打工 "，偶然作念 Agent 应付。咱们每个东说念主皆有好多两年皆不会聊天的一又友，但互相可能有值得相易的信息。东说念主是串行的，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。" 这让我合计相当 exciting。

至于记什么、不记什么，期望的 AI 要有规模感和情商，知说念哪些话题在热沈上是敏锐的。不外有趣味的是，东说念主和 AI 的相处有时比东说念主和东说念主更容易，你自然认为 AI 跟你是一边的，反而更自得倾吐一些不会跟一又友说的事情。

硅星东说念主：我对 memory 有个感受：它有点像东说念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说念面前是几点几分了，对时期唯惟一个无极的感知。而面前有了手机，你不错遍地随时知说念面前的时期。而东说念主类面前对顾虑的感知，就像腕表出现之前东说念主类对时期的感知进程。您合计，若是 AI 有了精准的永久顾虑，东说念主对本身经验的感知会不会也发生近似的滚动？

邓亚峰：这个比方相当好。面前的东说念主类就像钟表刚发明时的情状，对我方作念过什么有梗概感知，但不精准。若是 AI 能长周期地精准纪录和握住你的个东说念主数据，东说念主对自我的了解会高潮到一个面前无法联想的进程。

况兼 AI 的顾虑身手不错弥补东说念主类的一个先天限制：东说念主的能量有限，是以有东说念主擅长宏不雅缠绵，有东说念主擅长细节，很少有东说念主两样皆强。但 AI 的 Long-term Memory 不错既帮你梳理三年来的大事端倪、作念更有远见的缠绵，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连合，这是 AI 在 memory 上真确让东说念主欣喜的场合。

斗鱼体育app中国官网下载开云kaiyun(中国)