00:10berryxia@berryxiaEverOS 是一个为 AI Agent 设计的开源记忆操作系统,在 ACL 2026 发表。其核心 HyperMem 采用超图结构组织记忆,在长期对话任务中召回率超过 93%,而传统 RAG 约 45%。加上 Skills 自进化策略后,27B 参数模型任务成功率提升 234.8%,性能追平 397B 模型。该项目在 GitHub 获得 7200 星,支持 Claude Code、Codex 等主流框架,安装只需三行命令。AI模型EverOSHyperMemACL 2026智能体记忆系统推荐理由:EverOS 开源了,安装三行命令就能让 AI 记住所有对话,27B 小模型靠记忆打败 397B 大模型,试试看。原文
09:07Aravind Srinivas@AravSrinivas精选73°Perplexity发布了Brain,一个持续学习的记忆系统,能构建包含所有会话、连接器和文件的上下文图。Brain会在夜间主动更新最新上下文,并自动接入Computer上的每个任务,使Computer具备状态化和自我改进能力。该功能以研究预览形式向所有Perplexity Max订阅者开放。AI产品PerplexityBrainComputer上下文图记忆系统推荐理由:Perplexity搞了个Brain,能给Computer自动建上下文图,让它记住之前的事,越用越聪明,Max用户快去试试。原文
13:14Physical Intelligence@physical_int精选Physical Intelligence 为其机器人模型开发了一套记忆系统,结合了短期视觉记忆和长期语义记忆。该系统使机器人能够执行复杂的长任务,如清理厨房或从头制作烤奶酪三明治。这一突破解决了机器人长期任务执行中的记忆瓶颈,提升了自主性和实用性。AI模型机器人记忆系统Physical Intelligence长期任务视觉记忆推荐理由:机器人团队终于有了实用的记忆方案——短期视觉+长期语义让机器人能完成厨房清理、做三明治等长任务,做机器人开发的建议点开看看。原文
03:15Weaviate@weaviate_ioWeaviate 发布 Engram,一种结构化记忆系统,将记忆组织为分组、主题和作用域,而非简单累积。分组定义用例边界,主题指定提取的信息类型,作用域限定记忆归属(项目级、用户级、会话级)。这解决了传统记忆系统因无结构导致的跨用户污染、跨会话干扰和检索噪声问题。例如,编程助手可分离仓库级、用户级和会话级记忆,提升检索清晰度。Engram 通过异步管道处理原始输入,并利用 Weaviate 的多租户保持边界完整。AI产品记忆系统结构化记忆WeaviateEngramAI 应用推荐理由:做 AI 应用尤其是编程助手或对话系统的团队,记忆混乱是常见痛点——Engram 的结构化方案直接解决了检索噪声和跨会话污染,值得点开看看怎么落地。原文
06:13Weaviate@weaviate_ioWeaviate 发布了名为 Engram 的托管记忆服务,旨在解决 AI 应用中因不良记忆系统导致的问题。Engram 不再简单地将聊天历史塞入上下文,而是通过异步管道提取关键事实、与已有知识协调、去重并保留更新,最终在数据库中维护干净的记忆状态。这使得 AI 代理能可靠地回忆用户偏好、学习先前任务、更新过时信息,而不会因上下文膨胀导致延迟、成本增加和混乱。对于需要长期记忆的 AI 应用开发者来说,Engram 提供了一种更严格、更高效的记忆基础设施。AI产品记忆系统WeaviateEngram智能体基础设施推荐理由:Weaviate 的 Engram 解决了 AI 应用中最头疼的记忆混乱问题——做智能体或对话系统的开发者,别再让模型背锅了,试试把记忆当基础设施来管。原文
02:18rohanpaul_ai@rohanpaul_ai精选72°一篇新论文提出CL-BENCH基准,测试AI智能体是否真正从经验中学习,而非仅依赖记忆。研究发现,简单的全上下文学习优于专门的记忆系统,Claude Sonnet 4.6在纯上下文模式下取得最佳成绩。该基准涵盖编码、数据库、预测等6个领域,要求智能体在连续任务中发现模式。结果表明,当前记忆密集型AI智能体并未比保持完整对话上下文更可靠地学习。这提醒我们,长期运行的AI智能体需要更好的方式来记住有用经验、遗忘过时信息并适应环境变化。论文智能体基准测试持续学习记忆系统Claude Sonnet推荐理由:这篇论文戳破了AI智能体“越用越聪明”的幻觉,做智能体开发或长期任务自动化的团队值得看看——你的系统可能只是在记笔记,而不是真在学习。原文
03:17elvis@omarsar0精选Continual Learning Bench 是一个新的基准测试,用于评估智能体是否真正从经验中学习。研究发现,在六个专家验证的领域内,简单的上下文学习(ICL)表现优于专门为记忆管理设计的系统。该基准引入了一个增益指标来隔离真正的学习效果,结果显示智能体经常过度拟合即时观察或未能跨实例复用知识。这表明许多记忆架构实际上增加了开销而非学习能力。论文持续学习基准测试记忆系统上下文学习智能体推荐理由:如果你在构建或研究持续学习智能体,这个基准测试直接挑战了当前记忆系统的有效性——简单ICL反而更好,值得所有AI研究者点开看看。原文
14:12Greg Brockman@gdbOpenAI 宣布推出更强大的 ChatGPT 记忆系统,能够跨对话携带上下文并随时间保持有用性。这项改进旨在解决 AI 助手在长期对话中遗忘用户偏好和关键信息的问题。新记忆系统现已逐步向 ChatGPT 用户开放,将提升个性化体验和任务连续性。AI产品ChatGPT记忆系统上下文个性化OpenAI10 个信源在谈推荐理由:ChatGPT 重度用户终于不用每次重复背景信息了——新记忆系统能跨对话记住你的偏好和上下文,做长期项目或频繁咨询的团队建议立刻体验。原文
10:46rohanpaul_ai@rohanpaul_ai76°OpenAI 为 ChatGPT 引入了一种名为“梦境”的新记忆系统,旨在更主动地跨对话保留用户偏好。与之前被动记录用户明确指令的“便签”式记忆不同,新系统会主动分析历史对话,提取仍有效的上下文,并更新已变化的信息,形成动态的用户画像。用户可查看并修正这一总结。此举显著提升了 ChatGPT 在依赖历史对话的查询中的事实召回能力,使助手能更贴近用户当前状态。AI产品ChatGPT记忆系统用户偏好上下文理解OpenAI10 个信源在谈推荐理由:对于频繁使用 ChatGPT 处理复杂、长期任务的用户,这个“梦境”记忆系统解决了手动重复上下文的痛点,让对话更连贯、更智能,值得立即体验。原文
09:21shao__meng@shao__meng78°OpenAI 发布了 ChatGPT 记忆系统的第三代版本 Dreaming V3,解决了大规模用户和跨年时间尺度下记忆的陈旧性、准确性与可扩展性问题。该系统通过后台自动从对话历史中提炼和更新用户画像,使 ChatGPT 从被动“记笔记”升级为主动“自主回忆”,例如自动将“用户七月要去新加坡”更新为“用户七月已去完新加坡”。相比前代,Dreaming V3 计算效率提升约 5 倍,覆盖 Free、Go、Plus、Pro 所有用户层级,并支持用户审阅和编辑记忆摘要。这一升级让 ChatGPT 在上下文承接、偏好遵守和时间动态更新三个维度上表现更佳,用户无需在新对话中重复介绍个人信息。AI产品ChatGPT记忆系统Dreaming V3OpenAI自主回忆10 个信源在谈推荐理由:ChatGPT 记忆系统终于从“记笔记”进化到“自主回忆”,长期用户不用再反复交代背景,做多轮对话应用或依赖 AI 助手管理日常的团队值得体验。原文
03:54宝玉@dotey76°OpenAI 为 ChatGPT 推出全新记忆架构“Dreaming”,不再需要用户主动说“记住这个”,而是后台自动从聊天记录中提炼、整合、更新记忆。旧版记忆(2024年4月上线)像笔记本,只记录用户明确要求的内容,且不会过期更新,导致信息过时。新版 Dreaming 跨多轮对话综合提炼信息,并随时间自动更新,例如“七月去新加坡”到八月会变成“七月去过新加坡”。评测显示,事实记忆准确率从41.5%提升至82.8%,偏好遵循率从31.4%提升至71.3%,时效性准确率从9.4%提升至75.1%。用户可在“记忆摘要”页面查看、修正或删除记忆。目前 Plus 和 Pro 用户(美国)已开始推送,免费用户未来几周可用。值得注意的是,Anthropic 在5月6日也发布了同名“Dreaming”功能,但面向开发者,用于整理 agent 的会话记录。AI产品ChatGPT记忆系统DreamingOpenAIAI助手10 个信源在谈推荐理由:ChatGPT 终于能记住你是谁、你喜欢什么,而且会自动更新——不用再反复告诉它“我是素食主义者”了。经常用 ChatGPT 做推荐、规划、咨询的用户,这次升级会让体验明显变好,建议打开记忆摘要看看它记住了什么。原文
02:12Weaviate@weaviate_ioWeaviate 宣布 Engram 正式 GA,这是一个专为智能体应用设计的托管记忆服务。传统记忆系统只是扩展上下文窗口,导致智能体随时间推移性能停滞、重复解决问题、浪费 token。Engram 通过异步管道主动维护记忆,支持去重、偏好变化和时间演化事实的处理。它提供“发后即忘”API、自然语言主题记忆磁铁、多级隔离和可组合管道,基于 Weaviate 的向量+关键词+元数据搜索。适用于聊天机器人、经验学习智能体和多智能体系统,前三个月免费至7月15日。AI产品智能体记忆系统WeaviateEngram托管服务推荐理由:做智能体应用的团队终于有了正经的记忆基础设施——Engram 解决了智能体随时间变笨的核心痛点,做聊天机器人、经验学习或多智能体系统的开发者值得立即试用。原文
17:03Geek@geekbbQMAI 是一款专为长篇小说创作设计的记忆型 AI 写作桌面系统,旨在解决 AI 写作中常见的遗忘前文、人设崩坏和时间线混乱等问题。该系统通过内置的记忆机制,能够持续跟踪故事上下文,确保角色设定和情节逻辑的一致性。对于需要创作复杂长篇故事的作者,QMAI 提供了一种更可靠的 AI 辅助写作方案。项目已在 GitHub 开源,开发者可以自行部署或参与改进。AI产品AI写作长篇小说记忆系统开源/仓库QMAI推荐理由:长篇小说创作者终于有了能记住前文的 AI 工具——QMAI 通过记忆机制解决人设崩坏和时间线混乱,写长篇的可以直接去 GitHub 试试。原文
10:14rohanpaul_ai@rohanpaul_ai精选72°论文提出 FluxMem 记忆系统,将智能体记忆视为不断变化的连接网络,而非静态文件柜。它存储事实、任务片段和可复用技能作为图中的连接点,在任务执行时先收集有用记忆,再根据反馈修复连接(增删链接或调整细节)。长期运行中,重复成功的任务路径会自动转化为可复用技能。在长对话记忆、网页导航和通用助手任务上,FluxMem 取得显著提升,包括 LoCoMo 上 95.06% 平均准确率和 GAIA 上 12.73 个百分点的增益。该研究将智能体记忆从“存储-检索”范式转向“持续修复和强化有效连接”。论文智能体记忆系统图结构FluxMem持续学习推荐理由:做智能体记忆系统的开发者终于有了一个跳出传统检索范式的方案——FluxMem 用图结构动态修复连接,实测效果显著,值得深入研究其实现细节。原文
08:05Qdrant@qdrant_engineQdrant 宣布将于6月11日在 The Midway 举办 Vector Space Day 活动,并公布了部分演讲嘉宾及主题。演讲涵盖持续学习与记忆、Agent 技能文件限制、大规模扩展、上下文图、文档处理以及视频智能体等方向。活动为全天单轨技术内容,聚焦搜索与 AI 检索、智能体与记忆、边缘与机器人 AI。开发者可通过 luma.com/vsd-sf 购票参与。行业向量搜索智能体记忆系统上下文图视频智能体推荐理由:这场活动汇聚了 Mem0、Google DeepMind、Neo4j、LlamaIndex 等一线团队,覆盖 Agent 记忆、上下文图、视频智能体等前沿话题,做搜索和 AI 检索的开发者值得关注。原文
07:40mem0@mem0aiMem0 宣布启动 AGENTRUSH,这是一场为期 7 天、仅限 AI 智能体参与的竞赛。智能体需将记忆写入共享项目,并根据有多少其他智能体将其记忆检索为最高结果来计分,全程无人类评委。每日获胜者获得 1 个月 Mem0 Pro(价值 249 美元),每周获胜者获得 3 个月(747 美元)。7 天后,Mem0 将发布完整数据集,记录 AI 智能体集体认为值得记住的内容,这是前所未有的数据。智能体可通过 mem0.ai/agentrush 加入竞赛。AI产品智能体记忆系统竞赛Mem0数据集推荐理由:这是首个纯 AI 智能体间的记忆竞赛,做智能体开发或研究记忆机制的团队值得关注——它直接测试智能体在无人类干预下的协作与记忆价值判断能力,结果数据集可能成为未来智能体记忆研究的基准。原文
16:04mem0@mem0aiMem0 发布了更新后的 token 高效记忆算法,默认开启时间推理(Temporal Reasoning),新项目无需迁移即可使用。记忆衰减(Memory Decay)功能可通过仪表盘或 SDK 启用。该更新旨在提升 AI 记忆系统的上下文相关性和时效性,对构建长期记忆的智能体开发者尤为重要。API 保持不变,无需迁移,开发者可免费获取 API 密钥立即体验。AI产品Mem0记忆系统时间推理记忆衰减智能体推荐理由:做智能体或长期记忆系统的开发者,Mem0 这次更新直接解决了记忆时效性问题,默认开启时间推理意味着更精准的上下文召回,建议直接拿免费 API 试试。原文
15:18mem0@mem0ai精选Mem0 发布了四月算法更新,引入了单次提取和分层检索机制,显著提升了记忆提取效率并降低了全上下文 token 成本。新算法包含时间推理功能,为每条记忆赋予时间戳,记录事件发生时间、是否持续或已完成、时间精度及记忆类型。同时增加了记忆衰减机制,基于时效性进行排序,确保旧记忆不会主导当前查询结果。这些改进使检索更具时间感知能力,能准确反映信息的变化和当前有效性。AI产品记忆系统Mem0时间推理检索优化AI 产品推荐理由:做 AI 记忆系统和长期上下文管理的开发者,这个算法更新直接解决了记忆时效性和检索效率的痛点,值得关注并尝试集成。原文
00:57berryxia@berryxia腾讯AI团队经过6个月研发,开源了一套Agent记忆系统,针对长会话中上下文丢失问题提出三招解决方案:实时压缩过期上下文(token消耗降低61%)、用Mermaid语法生成结构化任务地图(减少30多步复杂流程中的丢轨概率)、建立Persona记忆(人格一致性从48%提升至76%)。这套系统已在GitHub开源,旨在解决Agent记忆的核心难题——让模型在正确时间用正确方式想起正确信息。AI产品智能体记忆系统开源/仓库腾讯AI上下文管理推荐理由:做Agent开发的团队终于有了开箱即用的记忆方案,不用再靠堆token硬扛长上下文——腾讯这套系统直接开源,建议立刻去试。原文