原创 Koji 2025-08-21 08:03 北京
离开 Seed 后，要赋能 AI 情感陪伴产品的记忆系统
🚦
💡 MemU 创新性地将 AI 记忆系统设计成“文件系统”，并由记忆管理员 Agent 进行高效管理，旨在解决 AI 情感陪伴产品的技术痛点，实现更精准、低成本的用户记忆召回。该框架在 Locomo 数据集上取得了 92.09% 的平均准确率。
🚀 创始人陈宏曾是字节跳动 Seed 团队成员，负责过豆包和猫箱的 Memory 算法。他因自身不擅长直接做产品，转而聚焦于为其他有志于情感陪伴产品研发的团队提供底层 Memory 服务，帮助他们打造高质量的新一代产品。
🧠 MemU 引入了“Theory of Mind”概念，使 AI 能够对用户记忆进行推理，实现更深层次的理解。例如，在用户表达喜好变化时，MemU 不仅记录变化，还能推测用户情绪或身体状态，这对于构建真正的情感连接至关重要。
📈 陈宏认为 AI 长期记忆市场潜力巨大，尤其在 Agent 技术发展趋势下，Memory 将成为重要的第三方组件。MemU 专注于情感陪伴这一垂直场景，因为该场景对用户记忆的依赖性最高，并且他看好该领域能够诞生真正有价值的产品，而非短期流量导向的产品。
原创 Koji 2025-08-21 08:03 北京
离开 Seed 后，要赋能 AI 情感陪伴产品的记忆系统
从技术角度看，Memory 和 Self-Evolving 也是密不可分的——Agent 可以通过 Experience 实现自我学习。
不过市场现状挺尴尬的，像市场上的头部第三方 Memory 服务 Mem0，市场影响力确实不错，但朋友们用下来都说效果一般。问题是，Memory 这种额外 Cost 的服务，效果一般就等于没用——有这钱还不如升级模型或提升 Agent 能力。
还有个问题：长期记忆的验证周期太长。次留、7 日留存这些指标根本体现不出 Memory 的价值——可能连模型的 Context Window 都没超过。要看 30 日留存或更长？现在 AI 产品迭代这么快，根本等不起，Memory 就成了不可控的实验变量。
👦🏻 Koji既然如此，为什么你现在选择创业做 Memory？👦🏻 陈宏因为放眼未来，Memory 是个巨大的市场。Agent 是今年最火的 Topic，Multi-Agent 很可能是年底或明年的热点，然后就是 Agent Network。有人说每个做 Agent 的公司都会自建 Memory System——Single Agent 时代也许可以，但当市场上有几亿甚至几百亿 Agent，甚至 Agent 开始生产 Agent 时，Memory 就不太可能定制在每个 Agent 里。那时候 Memory 必然作为第三方组件被大量调用，成为 To-Agent 产品。什么是 To-Agent 产品？就是为 Agent 设计的应用——Browser Use、各种 Sandbox、MCP 服务，Memory 也是其中之一。从流量逻辑看，当 DAU 中的 U（User）不单单是人类用户的时候，Memory 可能会成为比较大的 To-Agent 应用之一。👦🏻 Koji为什么你们选择「AI 陪伴」这个细分领域，而不是更通用的记忆框架？👦🏻 陈宏提到 AI 陪伴，大家第一反应可能是 Character.AI 或者一些擦边产品，这其实是个误区。陪伴的范围很广——AI 助手、AI 教育、甚至星座占卜，本质上都是陪伴。只要需要更懂你，就是 MemU 的服务对象。为什么选择垂直场景？AI 时代大家都想做通用，这很正常。用文件系统管理 Memory 确实通用，理论上能套用在所有 Domain。但套用不等于做好——Memory 对场景依赖性极强。比如，同一个文件在工作电脑和私人电脑里的重要性完全不同。现阶段没有足够数据支撑整个 Memory 系统，所以必须往场景切。为什么选情感陪伴？说实话，我就是喜欢这个赛道。现在大家都在做短期情感刺激，这变不成长期陪伴。我身边很多朋友对真正的长期陪伴有美好憧憬。虽然我们没能力做完整产品，但能在技术上帮朋友们实现真正的情感陪伴。MemU 的独特之处是引入了 「Theory of Mind」——让 Agent 能对已有 Memory 进行 Reasoning，拓展理解。举个例子：你一直说喜欢喝咖啡，今天给你点咖啡，你突然说不喜欢。普通 Memory System：要么保留「喜欢咖啡」，要么改成「不喜欢咖啡」MemU 会记录：「你今天可能心情不好」或「是不是最近失眠了，压力太大？」这种深层理解对长期陪伴的成功至关重要。与大厂不同的路, MemU 的技术取舍👦🏻 KojiMemU 与其他产品（如 Mem0、Zep 等）相比，最大的差异化优势是什么？👦🏻 陈宏效果好，成本低，召回速度快，且场景专注。👦🏻 Koji你最关注的竞争对手是谁？为什么？👦🏻 陈宏Memory 未来一定是一个庞大的市场。现在大家体量都很小，没必要竞争，不如合作起来去抢大厂的 Scope。👦🏻 Koji最近大厂也在行动。「十字路口」播客刚访谈了阿里云无影事业部总裁旭卿，他们推出的 AgentBay 产品中也包括了 Memory 服务。你打算如何与大厂抢份额？👦🏻 陈宏Agent 平台肯定会有自己的 Memory System，但在他们的服务里，Memory 只是一个很小的组件，大厂在这块的投入肯定不够。👦🏻 KojiManus、Genspark 等头部的 Agent 产品，是你的典型客户吗？👦🏻 陈宏不是。我们主打陪伴类场景，而 Manus、Genspark 还是工具效率类为主。对情感陪伴来说，To-User 的长期记忆是核心，必须记住用户的点点滴滴。但像 Manus 和 Genspark，他们关注的是 Agent 自己的 Memory，用来控制成本。To-User Memory 在他们的 ROI 里只占很小一部分。说白了，不同场景的 Memory 优先级完全不同。我们选择做最需要 User Memory 的场景。👦🏻 Koji你们选择开源关键技术，担心被别人「抄走」吗？👦🏻 陈宏开源不等于做公益，也有 License 协议。只有大家遵守协议，生态才能更好发展。我们的策略和其他开源公司类似，会同时维护开源版和商业版。商业版领先 1-2 个版本，付费用户能拿到更新更好的功能，也帮助我们商业化。MemU GitHub 项目官网：https://github.com/NevaMind-AI/memU👦🏻 Koji速度、成本、效果，什么最重要？你在内部有给出优先级吗？👦🏻 陈宏成本一直是我们最关注的。因为我们是一个 Agent 系统，从 Token 调用量来看远超过普通方案，但效果也显著更好。问题是，大多数客户很难接受，因为 Memory 对收入的提升不明显。所以我们计划在 9 月有一波大的更新，大家可以保持关注。👦🏻 KojiLLM 的记忆到底是怎么回事？👦🏻 陈宏很多人搞不清 LLM 里的「短期记忆」和「长期记忆」。我打个比方：场景 1：正在看（短期记忆）。比如你刚看完一篇关于 MemU 的访谈，能一字不差复述。这就像 Context 窗口。场景 2：过了一天（长期记忆-核心）。你只记得 「MemU 是个做 Memory 服务的公司」这种核心概念。这些精华通常放在 System Prompt 里。场景 3：需要细节时（长期记忆-检索）。有人问技术细节？那就得去 Retrieval，从「档案室」里翻相关资料。👦🏻 Koji那理想的 LLM 系统应该怎么工作？👦🏻 陈宏对话开始时，把重要背景知识（场景 2）放进 System Prompt，保持不变。聊着聊着，对话内容累积成短期记忆（场景 1）。用户问到背景知识之外的内容，就去 Memory 库搜索（场景 3），把结果接在用户问题后面。聊完后，把精华总结更新到长期记忆里，为下次准备。简单来说，场景 1 是短期记忆，场景 2 和 3 是长期记忆。尤其在陪伴类应用上，场景 2 更重要，它决定了 AI 的「人设」和基础认知。👦🏻 Koji目前业界在解决 Memory 问题上，大致有哪些主要技术路径？它们各自的优势和局限是什么？👦🏻 陈宏从技术角度看，要完美解决 Memory 有两条路径：Context 管理和无限长文本模型。理论上，两条路径如果做到极致，都能完美解决长期记忆的问题。从实践层面看，Context 更简单，但容易导致开发者「显式建模」。长文本模型的能力还远不足以支撑长期记忆，不管是推理效率还是长文本推理质量都大打折扣。还有一些参数化的记忆方法，但基本还停留在实验室研究阶段。综合来看，我们还是选择了基于 Context 的长期记忆方向去努力。👦🏻 Koji在设计 MemU 时，你们最关注的用户体验细节是什么？👦🏻 陈宏我们发现，很多团队在做 AI 产品时不知道怎么正确利用 Context。比如，有些人把 Context 窗口设置得很小，频繁调用 Memory 来省 Token，结果却失去了 Context 的 Cache，导致输入成本更高。因为我们团队之前做过大型应用（像豆包、星野），所以很清楚 AI 聊天软件的开发逻辑。我们会提供一系列 Tutorial，告诉开发者如何节省成本，如何达到最佳 Memory 效果，如何配合对话模型实现最优体验。为什么创业？谁能做出真正的 AI 陪伴？👦🏻 Koji你为什么要创业？👦🏻 陈宏这个问题应该反过来问：为什么不创业？Agent 出现之后，就是一次新的浪潮，到处都是新的机会。我个人也非常看好长期情感陪伴方向。并且我相信，以 DAU 作为北极星指标的大厂，是做不好长期陪伴产品的。👦🏻 Koji最后一个问题：在你看来，现在这个行业里，有哪些团队最有可能真正做出能安慰人、抚慰人、帮助人的 AI 陪伴产品？他们具备哪些特征？👦🏻 陈宏情感陪伴类 App 一直被「擦边」这个问题拖累。擦边内容吸引来的用户会让反馈数据完全跑偏，Reward 数据一跑偏，整个产品的模型迭代飞轮就转不动了——这是赛道的死结。但最近看到一些新气象，比如「 Tolan」，还有国内的「林间聊愈室」，以及其他团队的尝试，都在认真做不一样的东西。说实话挺讽刺的：有钱有技术的大公司都在搞擦边赚流量和快钱，反而是资源有限的小团队在认真做情感治愈。在这种环境下，我们能给这些有理想的团队提供技术支持，也算是做点对社会有意义的事情。AI辅助创作，多种专业模板，深度分析，高质量内容生成。从观点提取到深度思考，FishAI为您提供全方位的创作支持。新版本引入自定义参数，让您的创作更加个性化和精准。
鱼阅，AI 时代的下一个智能信息助手，助你摆脱信息焦虑