對(duì)話EverMind：4個(gè)月做到SOTA，要給所有Agent裝上長(zhǎng)期記憶

作者 ｜ 吳瑞琪
郵箱 ｜ rachelwu@pingwest.com

“人類(lèi)智能 = 推理 + 長(zhǎng)期記憶”。

當(dāng)AI 推理能力的競(jìng)賽進(jìn)入白熱化，整個(gè)行業(yè)開(kāi)始意識(shí)到：infra層面的記憶缺失，正成為限制 AI 走向個(gè)性化與自進(jìn)化的最大瓶頸。

沒(méi)有長(zhǎng)期記憶的 Agent，就像一個(gè)雖然考上了清華、但每天醒來(lái)都不認(rèn)識(shí)親媽的天才。而大量涌入記憶賽道的公司，很多本質(zhì)上只是在做向量數(shù)據(jù)庫(kù)，把數(shù)據(jù)存起來(lái)，等人來(lái)檢索。

EverMind 想做點(diǎn)不一樣的。這家由盛大集團(tuán)孵化的公司，定位是為所有AI Agent提供一個(gè)通用的"記憶層"（Memory Layer）。它的核心產(chǎn)品EverOS是一套開(kāi)源的長(zhǎng)期記憶系統(tǒng)，開(kāi)發(fā)者可以把它接入自己的Agent，讓AI不僅能記住用戶的歷史對(duì)話和偏好，還能像人一樣對(duì)記憶進(jìn)行整理、更新，甚至從過(guò)去的經(jīng)驗(yàn)中學(xué)習(xí)和進(jìn)化。

EverMind的CEO鄧亞峰，是一位在AI領(lǐng)域深耕二十余年的老兵。他畢業(yè)于清華大學(xué)，曾任360集團(tuán)副總裁兼AI研究院院長(zhǎng)、格靈深瞳CTO，在計(jì)算機(jī)視覺(jué)、多模態(tài)AI和AI制藥等領(lǐng)域深耕多年。2025年，他加入盛大，帶隊(duì)從零啟動(dòng)EverMind的長(zhǎng)期記憶項(xiàng)目。團(tuán)隊(duì)僅用四個(gè)月就在多項(xiàng)記憶評(píng)測(cè)上達(dá)到了SOTA。

我們與鄧亞峰進(jìn)行了一次對(duì)話，聊了聊他為什么押注長(zhǎng)期記憶，以及這項(xiàng)技術(shù)到底要解決什么問(wèn)題。以下是對(duì)話實(shí)錄，為閱讀體驗(yàn)稍作編輯。

為什么是 Long-term Memory（LTM）

硅星人：在視覺(jué)、多模態(tài)、AI制藥這些領(lǐng)域都做到過(guò)很好的成績(jī)之后，您是怎么鎖定"長(zhǎng)期記憶"這個(gè)方向的？

鄧亞峰：做AI制藥的時(shí)候我最大的體會(huì)是，當(dāng)數(shù)據(jù)產(chǎn)生得慢、不能快速迭代，技術(shù)進(jìn)步就是有限的。所以之后選方向，我就想找一個(gè)能快速做數(shù)據(jù)迭代閉環(huán)的領(lǐng)域。也考慮過(guò)機(jī)器人，但落地周期太長(zhǎng)、數(shù)據(jù)獲取困難。轉(zhuǎn)向語(yǔ)言模型之后，又面臨大模型在吞噬一切的問(wèn)題。OpenAI、Anthropic車(chē)輪滾滾，創(chuàng)業(yè)公司的空間越來(lái)越小，必須找到一個(gè)有獨(dú)特性的細(xì)分賽道。

長(zhǎng)期記憶恰好滿足這幾個(gè)條件：它是下一代AI的必備特性，研究得很少，跟推理能力相對(duì)正交，有很強(qiáng)的戰(zhàn)略獨(dú)立性。當(dāng)時(shí)這個(gè)方向相對(duì)冷門(mén)，大家還在做LLM模型、Agent、post-training，但我認(rèn)為沒(méi)有記憶功能的Agent，用戶體驗(yàn)一定是受限的。今天這已經(jīng)成了行業(yè)共識(shí)。

盛大這邊的視角也很獨(dú)特。陳天橋先生過(guò)去十多年一直在sponsor腦科學(xué)和mental health 的研究，對(duì)人類(lèi)智能的機(jī)制機(jī)理非常感興趣。這幾年AI的發(fā)展讓他開(kāi)始思考一個(gè)問(wèn)題：人類(lèi)智能恰好可以簡(jiǎn)化為“推理+長(zhǎng)期記憶”，推理這一半已經(jīng)有無(wú)數(shù)巨頭在卷了，長(zhǎng)期記憶是不是一個(gè)極具戰(zhàn)略獨(dú)立性的方向？這個(gè)判斷和我自己的思考剛好吻合。

硅星人：在您看來(lái)，Long-term Memory到底要解決什么核心問(wèn)題？

鄧亞峰：三件事。

第一，突破有限的上下文長(zhǎng)度。現(xiàn)在模型上下文窗口基本到了1M token，但記憶數(shù)據(jù)量超過(guò)這個(gè)限制就沒(méi)法用了。現(xiàn)有的RAG或壓縮方案都是工程妥協(xié)，不是最優(yōu)解。我們做memory，本質(zhì)上是幫模型更好地管理上下文，在極高壓縮率、低token消耗的前提下，讓模型有效利用無(wú)限的歷史信息。

第二，實(shí)現(xiàn)真正的個(gè)性化。人在交流中會(huì)為對(duì)方建立profile：身份、偏好、價(jià)值觀、語(yǔ)言風(fēng)格、目標(biāo)。LTM就是幫Agent構(gòu)建和維護(hù)這樣的用戶畫(huà)像，交互越多越懂你。當(dāng)然，LTM的個(gè)性化設(shè)置不僅限于Profile Memory。

第三，Self-evolving，自進(jìn)化。今天的AI靠offline training提升能力，在和用戶交互的過(guò)程中并不會(huì)變得更聰明。我認(rèn)為下一代AI一定是在交互中學(xué)習(xí)的，是一種online learning。Long-term Memory是實(shí)現(xiàn)自進(jìn)化的關(guān)鍵：通過(guò)記錄和分析交互的成功與失敗，總結(jié)最佳實(shí)踐，知識(shí)和思考方式都隨之進(jìn)步。

這三件事和人類(lèi)進(jìn)化出長(zhǎng)期記憶的原理是一樣的。遠(yuǎn)古時(shí)代，哪里水草豐茂你要記住，哪里有危險(xiǎn)你也要記住，同時(shí)你還要根據(jù)季節(jié)和天氣去預(yù)測(cè)未來(lái)，這片草地會(huì)變得更濕潤(rùn)還是會(huì)發(fā)洪水。而且研究表明，長(zhǎng)期記憶幫助人類(lèi)組織訓(xùn)練樣本，把不同經(jīng)驗(yàn)分類(lèi)聚合，所以人的泛化能力遠(yuǎn)強(qiáng)于模型。模型是把所有數(shù)據(jù)不做區(qū)分地扔進(jìn)去訓(xùn)練，很容易過(guò)擬合，或無(wú)差別求概率。人腦的長(zhǎng)期記憶機(jī)制讓學(xué)習(xí)更有結(jié)構(gòu)，泛化更強(qiáng)。AI的Long-term Memory要做的，本質(zhì)上也是這件事。

Memory Layer 和 Agent 層

硅星人：您提到的個(gè)性化和自進(jìn)化，聽(tīng)起來(lái)更像Agent應(yīng)用層的功能，不像infra layer能做的事？

鄧亞峰：這是一個(gè)很好的點(diǎn)。Infra layer能做一部分。我們最近在做一個(gè)即將開(kāi)源的feature，基于memory的自進(jìn)化。不同Agent把運(yùn)行的trace放到我的memory里，我可以根據(jù)成功和失敗的經(jīng)驗(yàn)去總結(jié)最佳SOP。比如你做了一個(gè)任務(wù)成功了，我做了一個(gè)類(lèi)似的任務(wù)失敗了，當(dāng)我把大量用戶的經(jīng)驗(yàn)積累下來(lái)，就可以learn from experience。這在記憶層是可以做到的。

如果想做得更深，比如基于用戶反饋?zhàn)鰪?qiáng)化學(xué)習(xí)，那確實(shí)需要Agent層和Memory Layer協(xié)同。但Memory Layer在其中扮演關(guān)鍵角色：幫Agent層組織數(shù)據(jù)，就像人腦長(zhǎng)期記憶輔助學(xué)習(xí)的機(jī)制一樣。

硅星人：在您看來(lái)，接入Memory Layer，Agent最直觀的智能提升體現(xiàn)在哪？

鄧亞峰：四個(gè)維度。

第一是效率，token的極致壓縮。這對(duì)控制成本至關(guān)重要。如果我們的產(chǎn)品能讓token數(shù)極度下降，這件事的商業(yè)價(jià)值是非常大的。

第二是成功率。我們做了基于skill的自進(jìn)化機(jī)制，Agent可以從過(guò)去經(jīng)驗(yàn)中學(xué)習(xí)，某些指標(biāo)實(shí)測(cè)提升了234.8%。比如你昨天用一個(gè)功能可能還會(huì)失敗，但這兩天有幾個(gè)人也用過(guò)了，系統(tǒng)學(xué)到了其中成功的經(jīng)驗(yàn)之后，你今天再用就成功了。系統(tǒng)會(huì)變得越來(lái)越好。

第三是個(gè)性化。不同用戶有不同的上下文和記憶，每個(gè)人的助手體驗(yàn)都獨(dú)一無(wú)二。我們內(nèi)部有個(gè)AI Native的協(xié)作平臺(tái)叫Tanka，提供基于長(zhǎng)期記憶的AI助手。背后的LLM和推理技術(shù)是一樣的，但因?yàn)槊總€(gè)人的記憶不同，聊出來(lái)的效果就完全不一樣。

第四是主動(dòng)性。記錄了用戶的行為歷史之后，Agent可以預(yù)測(cè)下一步需求。比如我知道你每天這個(gè)時(shí)候要買(mǎi)杯咖啡，我就可以提前提醒你。再進(jìn)一步，我甚至可以提前把事情做了，再問(wèn)你"這是不是你要的結(jié)果？"就像一個(gè)能預(yù)判需求的好員工，你沒(méi)有assign的工作他已經(jīng)做完了。

記憶怎么更新，怎么"忘記"

硅星人：我用GPT經(jīng)常遇到這個(gè)問(wèn)題：我的生活已經(jīng)更新了，但它對(duì)我的理解還停在之前。比如之前跟它聊過(guò)的人事物，在我現(xiàn)階段的生活里已經(jīng)不重要了，但它還總是提起，就讓人覺(jué)得很煩。EverMind怎么處理記憶的沖突和過(guò)時(shí)信息？

鄧亞峰：我們的機(jī)制分兩步：在線提取（Online Memory Extraction）和離線進(jìn)化（Offline Memory Evolution）。

在線提取，信息進(jìn)來(lái)后做boundary detection，把同一topic的內(nèi)容聚到一起，提取事實(shí)性的情景記憶（episodic memory），再預(yù)測(cè)這個(gè)事實(shí)對(duì)未來(lái)的影響，我們叫forecast。記憶不只是存檔，要能服務(wù)于未來(lái)的決策。

離線進(jìn)化，系統(tǒng)定期做幾件事：在更大范圍信息上提煉用戶profile；做反思和刷新，有點(diǎn)像Claude Code里"dream"做的事，讓模型回頭審視之前的判斷對(duì)不對(duì)；還有處理記憶更新，通過(guò)記憶聚類(lèi)策略（merge），把相似話題聚在一起，沖突信息按時(shí)間線用最新的做update。

遺忘坦白講是更難的。Update相對(duì)容易，用最新的信息替代老的就行。但遺忘有一個(gè)周期性的問(wèn)題：你昨天提到一個(gè)人，系統(tǒng)覺(jué)得他重要；一星期前呢？一個(gè)月前呢？是不是就該忘了？我們現(xiàn)在是在離線策略中把每條信息的時(shí)間放進(jìn)去，結(jié)合我們的預(yù)測(cè)未來(lái)功能，讓模型自己去推測(cè)這條信息的時(shí)效性。坦白說(shuō)，在當(dāng)前這個(gè)時(shí)間點(diǎn)還沒(méi)有做到非常理想，但我認(rèn)為它是一個(gè)會(huì)被逐步解決的問(wèn)題。

我的判斷是：AI的"遺忘"不應(yīng)該是物理刪除，數(shù)據(jù)存在磁盤(pán)上不貴，而是一種權(quán)重調(diào)整策略。近期信息權(quán)重高，遠(yuǎn)期信息權(quán)重低，但需要時(shí)仍能找回。人類(lèi)為什么需要遺忘？?jī)蓚€(gè)原因：一是人腦是低能耗系統(tǒng)，記太多東西能耗扛不住；二是你需要基于近期信息做決策和預(yù)測(cè)。AI不存在第一個(gè)限制，它只需要在決策中把時(shí)效性和重要性合理考慮進(jìn)去。從這個(gè)角度說(shuō)，AI的遺忘機(jī)制實(shí)際上可以比人類(lèi)更優(yōu)。

開(kāi)源生態(tài)與大廠競(jìng)爭(zhēng)

硅星人：EverOS已經(jīng)在GitHub上開(kāi)源。但OpenAI、Anthropic也都有自己的記憶功能，用戶已經(jīng)積累了很多偏好數(shù)據(jù)在他們的平臺(tái)上。第三方Memory Layer怎么找到自己的位置？

鄧亞峰：我們的定位是做一個(gè)memory layer for agents，未來(lái)所有Agent都需要記憶功能，但沒(méi)必要每個(gè)團(tuán)隊(duì)都自己建一套infra。我們希望成為那個(gè)公約數(shù)。

大廠一定會(huì)做記憶，但第三方記憶層的空間來(lái)自一個(gè)簡(jiǎn)單事實(shí)：用戶不會(huì)只用一個(gè)產(chǎn)品。你不會(huì)只用Claude，也不會(huì)只用OpenAI。你在各個(gè)產(chǎn)品上的歷史信息都有價(jià)值，所以反而需要一個(gè)真正屬于自己的跨平臺(tái)記憶管理工具。這件事的驅(qū)動(dòng)力是用戶需要，不是我們想做還是大廠想做。

另外，memory管理不需要最頂尖的大模型。我們用4B的模型能做到235B級(jí)別的效果，更快、成本更低。對(duì)開(kāi)發(fā)者來(lái)說(shuō)，memory將來(lái)不是"能不能"的問(wèn)題，而是性價(jià)比的問(wèn)題。

開(kāi)源策略上，我們非常徹底：開(kāi)源版和本地部署等價(jià)，數(shù)據(jù)完全留在本地，滿足隱私要求高的用戶。同時(shí)也有云版本，讓不想自己部署的小團(tuán)隊(duì)即插即用。最核心的算法全部開(kāi)源。我們也在做一件事，幫用戶把Claude Code、OpenAI和其他Agent里的memory數(shù)據(jù)打通，跨平臺(tái)、跨端、統(tǒng)一管理。跟很多人聊完發(fā)現(xiàn)，這是一個(gè)很剛的需求。

硅星人：記住的信息越多，安全風(fēng)險(xiǎn)也越大。這方面怎么平衡？

鄧亞峰：兩個(gè)層面。信息安全，也就是記憶會(huì)不會(huì)泄露，這跟云服務(wù)的安全挑戰(zhàn)是等價(jià)的，需要扎實(shí)的技術(shù)保障。另一個(gè)是系統(tǒng)要對(duì)敏感信息做過(guò)濾。比如用戶告訴你密碼、銀行賬號(hào)，我們有個(gè)vault機(jī)制，把高敏感信息隔離存放，只在特殊情況下激活。

部署模式上，記憶的理想形態(tài)是云端和端側(cè)結(jié)合。用戶的數(shù)字資產(chǎn)存在本地設(shè)備上，復(fù)雜處理借助云端，兩邊做同步。我們的模型已經(jīng)可以做得很小，將來(lái)設(shè)備能跑4B模型，計(jì)算就可以完全部署到端上。

如果 AI 記住了你的一切

硅星人：如果AI擁有了非常長(zhǎng)周期、非常精確的記憶，它就不再只是工具了。您希望您的AI助理記住什么，不想讓它記住什么？

鄧亞峰：我覺(jué)得未來(lái)最理想的狀態(tài)有兩種。一種是"賈維斯"，24小時(shí)跟著你的AI，你的任務(wù)和意圖都通過(guò)它完成，它只需要你確認(rèn)結(jié)果。另一種是數(shù)字分身。AI足夠了解你之后，可以代表你去"打工"，或者做Agent社交。我們每個(gè)人都有很多兩年都不會(huì)聊天的朋友，但彼此可能有值得交流的信息。人是串行的，AI是并行的，你的數(shù)字分身可以和他的數(shù)字分身聊天，發(fā)現(xiàn)共同話題了來(lái)告訴你，"你們兩個(gè)應(yīng)該聊聊這件事兒。"這讓我覺(jué)得非常exciting。

至于記什么、不記什么，理想的AI要有邊界感和情商，知道哪些話題在情感上是敏感的。不過(guò)有意思的是，人和AI的相處有時(shí)比人和人更容易，你天然認(rèn)為AI跟你是一邊的，反而更愿意傾訴一些不會(huì)跟朋友說(shuō)的事情。

硅星人：我對(duì)memory有個(gè)感受：它有點(diǎn)像人類(lèi)對(duì)時(shí)間感知的演變。在手表普及之前，你出門(mén)之后其實(shí)不知道現(xiàn)在是幾點(diǎn)幾分了，對(duì)時(shí)間只有一個(gè)模糊的感知。而現(xiàn)在有了手機(jī)，你可以隨時(shí)隨地知道現(xiàn)在的時(shí)間。而人類(lèi)目前對(duì)記憶的感知，就像手表出現(xiàn)之前人類(lèi)對(duì)時(shí)間的感知程度。您覺(jué)得，如果AI有了精確的長(zhǎng)期記憶，人對(duì)自身經(jīng)歷的感知會(huì)不會(huì)也發(fā)生類(lèi)似的轉(zhuǎn)變？

鄧亞峰：這個(gè)比喻非常好。現(xiàn)在的人類(lèi)就像鐘表剛發(fā)明時(shí)的狀態(tài)，對(duì)自己做過(guò)什么有大致感知，但不精確。如果AI能長(zhǎng)周期地精確記錄和管理你的個(gè)人數(shù)據(jù)，人對(duì)自我的了解會(huì)上升到一個(gè)現(xiàn)在無(wú)法想象的程度。

而且AI的記憶能力可以彌補(bǔ)人類(lèi)的一個(gè)先天限制：人的能量有限，所以有人擅長(zhǎng)宏觀規(guī)劃，有人擅長(zhǎng)細(xì)節(jié)，很少有人兩樣都強(qiáng)。但AI的Long-term Memory可以既幫你梳理三年來(lái)的大事脈絡(luò)、做更有遠(yuǎn)見(jiàn)的規(guī)劃，又能在你需要時(shí)精確調(diào)出三年前某個(gè)時(shí)刻的具體細(xì)節(jié)。宏觀和微觀完美結(jié)合，這是AI在memory上真正讓人興奮的地方。

點(diǎn)個(gè)“愛(ài)心”，再走 吧