在离开 Seed 后,如何为情感陪伴类 AI 产品构建高效的记忆系统 Memory 一直是行业内的技术难点与竞争焦点。
由于直接影响用户留存率,许多有抱负的创业者在规划长期化 AI 战略时,都将目光聚焦于 AI+Memory 领域。
近期开源的 MemU 记忆框架在 GitHub 上引发关注,两周内获得1400颗星标,其方案在 Locomo 数据集所有推理任务中平均准确率达92.09%,同时显著降低使用成本。
本次访谈对象陈宏曾主导 TikTok 客服机器人开发、字节 Seed 大模型训练及豆包/猫箱记忆系统设计,目前带领6人核心团队打造面向情感陪伴场景的记忆管理系统 MemU。
该方案创新性地将记忆载体转化为文件系统架构,通过记忆管理代理自动完成记忆文件的分类、检索与更新操作。
当被问及创业动机时,陈宏坦言自己虽擅长技术研发却缺乏产品直觉:”过去对标 Pi.ai 和 Character.AI 的经历让我意识到,单纯堆砌技术指标无法满足真实需求”。
他选择转攻底层服务赛道,”就像给其他开发者提供一个精准的记忆引擎”。
针对当前市场格局,陈宏指出头部第三方记忆服务存在效果与成本失衡问题:”当验证周期超过模型迭代速度时,Memory 成本就变得难以评估”。
而 MemU 的差异化优势体现在三方面:基于文件系统的精准检索机制可降低30%以上调用成本;引入「心智理论」(Theory of Mind)实现记忆推理;专注垂直场景提供定制化解决方案。
面对大厂竞争压力,陈宏认为 Agent 平台内置的记忆组件难以满足专业需求:”就像浏览器不会自建搜索引擎,MemU 正在构建 To-Agent 的基础设施层”。
团队计划于9月推出重大升级版本,进一步优化成本控制与场景适配能力。
关于行业未来趋势,陈宏预测多 Agent 协作时代将催生新型记忆交互范式:”当几十亿个智能体开始产生交互记忆时,现有的中心化存储方案必然失效”。
他特别看好小团队在情感陪伴领域的创新潜力:”真正治愈人心的产品往往诞生于理想主义者的坚持”——这正是 MemU 团队选择支持的方向。
评论列表 (0条)：
加载更多评论 Loading...