AI Infra：Nemori，开源的类人情景记忆系统

用“情节片段”替代传统文本，使 AI 记忆更像人类

一、核心逻辑

基于自然启发（Nature‑Inspired）的情景记忆（episodic memory）系统，将用户交互拆解为结构化的“事件片段”，并以此形式存储和检索，以增强 AI 系统的回忆精准度和连贯性

• 输入：用户对话 → 输出：结构化“事件”

• 处理流程：

  • 分段检测（Episode Boundary Detection）
  • 情节生成（Episode Generation）
  • BM25 构建索引
  • 相关片段检索 + LLM 回答
• LLM 调用最小化：仅用于生成情节，其余纯 BM25

二、关键组件

三、设计理念

来源背景
基于 Tanka.ai 平台中用于记忆索引的内部模块，作为一个 MVP开源

• 模仿人类记忆单元：以“事件”为单位，提升检索信噪比。
• 简化即高效：两条提示词 + BM25，在 LoCoMo 测试中表现对标复杂系统。
• 目标对齐训练数据分布：避免模型与真实交互的分布偏移。

四、性能验证

• 测试基准：LoCoMo（长上下文对话建模）

• 方法：

  • 边界探测 → 情节生成 → 索引 → Top-20 检索 → LLM 回答
• 结果：性能优秀，资源消耗低，实现简单。

五、未来计划

1. 引入语义记忆（补全关键信息）
2. 相似性聚合 → 高阶长期记忆
3. 探索混合检索策略（BM25 + 向量）

https://github.com/nemori-ai/nemori

标签：ai