2.0 KiB
2.0 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 三层记忆架构 | 2026-06-19 | 2026-06-19 | concept |
|
|
三层记忆架构（Layered Memory Architecture）
定义
MemOS 提出的三层记忆协同架构：将记忆按粒度分为明文记忆、激活记忆、参数记忆三个层次，实现系统级协同，支撑 AI 从一次性推理走向长期演化。
三层详解
参数记忆（Parameter） ← 行业 know-how 经后训练注入大模型
↑
激活记忆（Activation） ← KV Cache 管理，GPU 缓存层
↑
明文记忆（Explicit） ← Prompt/Agent 流，自然语言层
1. 明文记忆（Explicit Memory）
- 载体：自然语言，Prompt 流或 Agent 流
- 内容：对话历史、事实信息、用户偏好
- 特点：业界主流方案（Mem0, Zep 等），实现简单但结构化程度有限
2. 激活记忆（Activation Memory）
- 载体：KV Cache，GPU 显存
- 内容：推理时的缓存状态
- 作用：提升缓存命中率，降低 token 消耗和延迟
- 场景：情感陪伴、游戏 NPC、消费硬件等对延迟敏感的场景
3. 参数记忆（Parameter Memory）
- 载体：模型权重（通过后训练注入）
- 内容：行业 know-how、领域专业知识
- 特点：最深层——行业认知能力通过训练内化为模型能力
为什么要三层？
业界多数框架只工作在明文记忆层（Prompt/Agent 流），但：
- 参数层增强领域认知能力（从"知道"到"理解"）
- 激活层优化运行效率和用户体验（降低 token 消耗）
- 明文层提供灵活的事实和上下文支撑
MemOS 是业界唯一一个从底层 Infra、记忆基模到上层应用进行全面增强的记忆系统。