MemNetAI 概念参考

记忆体

用于隔离不同独立记忆集合的对象，举例而言，每个人的大脑就是一个记忆体，因为每个人大脑中的记忆是独立的 在MemNet平台中，每个记忆体中都存储着很多记忆，同时也是自主思考和自动做梦功能执行的主体

记忆内部实体

每个记忆体存储的记忆内都会包含很多实体，如小明、小红、我的世界等。这些实体称之为“记忆内部实体” 我们通过图数据库构建这些记忆内部实体之间的关系，从而实现联想推理

OpenAI对话上下文

OpenAI 上下文，指的是一次模型请求中，模型能够使用的全部 token 总量范围。
这个范围也被称为 上下文窗口（Context Window）。

记忆状态

1. 有效记忆：明确有效的记忆，记忆中的内容是可以直接采信的
2. 疑似过时记忆：新记忆与历史记忆存在轻微冲突或不一致，但尚未完全确认，会关联新记忆
3. 已过时记忆：由于与新记忆发生冲突而导致记忆中的部分内容过时的记忆，例如：（旧记忆：小明说他和小红正在谈恋爱），（新记忆：小明说他和小红分手了），那么旧记忆就会被标记为已过时记忆，同时旧记忆还会关联新记忆，一旦回忆中有已过时记忆，那么也会同步加载其所关联的新记忆，如此来保证记忆为最新状态，防止记忆混乱 在很多记忆系统中，过时的记忆是会被直接覆盖的，但是我们这里并不直接进行覆盖，而是保留并关联新记忆，原因是过时的记忆虽然已经过时，但不代表被遗忘，如此是更加自然且贴近人类真实的记忆存储情况的
4. 被否认记忆：新记忆对旧记忆中的某些信息进行了直接的否认，可以理解为已过时记忆的plus版，因为以过时记忆是通过推断来进行标记和关联的，而被否认记忆则是更加直接的对某个记忆中的内容进行的否认，例如：（旧记忆：小明告诉kimi昆虫会远离光源，kimi表示明白了），（新记忆：小明告诉kimi之前他说错了，昆虫有趋光性，会靠近光源），可以发现小明在记忆中明确的否定了之前的某项记忆，因此旧记忆会被标记为被否认记忆，同时旧记忆还会关联新记忆

记忆变动日志

记忆变动日志用于记录一条记忆在生命周期中发生的状态变化及其原因，它不是简单的“状态标记”，而是一种可追溯、可解释、可回放的变更记录机制。
每一条记忆在被修改其语义有效性时（例如被否认、被判定为过时、由有效转为疑似过时等），都应生成对应的记忆变动日志，用于完整描述：

1. 对于上述记忆状态的变更，不应该仅仅进行标记，还需要保留为什么标记，以及标记的哪些部分的信息，例如被否认记忆，不仅仅标记记忆为“被否认”，还可以在记忆变动日志中记录哪个部分被否认，以及被哪次对话否认的，提供更多的上下文信息。（为什么、哪部分、谁导致的）
2. 在后面回忆过程中，还要将记忆的变动日志一并加载进去，从而使记忆更加准确可靠。（另外在记忆可视化中也要实现记忆变动日志）
3. 另外非有效记忆关联的新记忆id，也是每条日志一个，目前来看，每条记忆最多三个记忆变动日志

非有效性记忆关联的新记忆

非有效性记忆关联的新记忆，是指那些会促使原本被视为有效的记忆发生状态变化的记忆。这些变化包括：被标记为疑似过时记忆、已过时记忆，和被否认记忆。

幻觉问题

AI 幻觉（Hallucination）是指大语言模型编造它认为是真实存在的甚至看起来合理或可信的信息。简而言之就是AI在“胡说八道”。模型生成内容与现实世界事实或用户输入不一致的现象。

可溯源记忆变更链条

部分记忆系统更侧重于维护当前有效状态，而不保留完整的记忆演化过程。而 memnetai 引入了可溯源的记忆变更链条，用于记录记忆的演化与修正原因。 真正接近人类的记忆系统，不是只记住“当前事实”，而是保留“认知如何被修正的轨迹”。 记忆不只是状态，而是状态的演化过程。 如果一个系统：

• 只知道“现在什么是对的”
• 却不知道“我曾经为什么错过” 那它更像一个缓存，而不是一个会成长的心智系统。

提示词增强

提示词增强是指通过优化和细化提示词，以提高人工智能模型的输出质量和相关性。具体来说，提示词增强器将用户的简单描述转换为更详细的、结构化的提示词，使其能够更好地理解模型的学习语言和任务要求。 例如，用户输入“穿红裙子的女人”，提示词增强器可能会生成“优雅女性穿着飘逸深红色晚礼服的专业时尚摄影，带有戏剧性阴影的柔和工作室照明”这样的内容，从而提高生成内容的专业性和细节度

System提示词

System 提示词是用于定义 AI 身份、行为边界、回答风格和优先规则的系统级指令，其优先级高于用户输入，用于确保模型行为稳定、可控、符合预期。

常识库

常识库是用于存储基础性知识的存储单元、但在推理与理解过程中具有稳定参考价值的信息。 在 MemNet 项目中，常识库的检索机制与 RAG 在技术路径上是一致的，但其语义定位与作用范围由项目上下文进行约束。 在执行记忆检索时，系统可同时从记忆体与常识库中检索信息，以补充背景知识、降低歧义、增强推理完整性。

全局常识库

全局常识库是隶属于项目级别的常识存储单元，其内容对该项目下的所有记忆体可见且可检索。 作用范围

• 项目内共享
• 不区分具体记忆体
• 作为跨记忆体的统一背景知识来源

记忆体常识库

记忆体常识库是绑定到某一个具体记忆体的常识存储单元，其内容仅对该记忆体可见与可检索。 作用范围

• 记忆体私有
• 不参加其他记忆体的检索流程
• 用于限定上下文的知识补充

仅单次回忆使用的常识库

在调用回忆接口的时候，用户可以自己通过平台获取常识库ID，然后自己去配置记忆体回忆所需的常识库列表 作用范围

• 常识库仅在当前回忆接口调用过程中参与检索与上下文构建。
• 不会与任何记忆体建立持久关联关系。
• 回忆请求结束后，该常识库配置立即失效，不会影响后续回忆行为。
• 不会修改记忆体已有的常识库配置，也不会改变项目级或系统级的默认常识库。

自主思考

记忆体检索历史记忆，生成某一“念头”为主题，在记忆体系内部进行自主、多轮的关联与推演，从而实现对记忆的再加工与新思想的生成。

自动做梦

记忆体检索历史记忆，生成的某一“念头”为核心主题，在记忆体系内部进行自主、多轮的关联、重组与推演，对既有记忆进行再加工，并由此孕育新的认知结构与思想成果。

频率限制

热度值计算

目的

为防止高频或高成本请求挤占系统资源，平台对部分接口启用“按权重计费”的限流策略：每次请求会消耗一定的“热度”，在一个滑动时间窗口内累计消耗超过阈值时，请求将被限流。

核心概念

• 热度（heat）：一次请求的消耗值。接口越重、越耗资源，配置的热度通常越大。
• 窗口（windowSeconds）：统计范围，按“最近 N 秒”计算。
• 阈值（maxWeight）：窗口内允许的热度累计上限。
• 限流键（key）：限流统计维度的唯一标识，通常由“用户 + 接口/资源”组合而成。

计算规则

在任意时刻 now，对同一限流键 key：

• 统计最近 windowSeconds 秒内的全部请求热度之和：
• 若 totalHeat + heat(本次请求) > maxWeight，则判定为触发限流，拒绝本次请求。
• 否则允许请求通过，并把本次请求的热度计入窗口。 直观理解：窗口内不是按“请求次数”限，而是按“请求成本总量”限。

基础热度值配置

类型	热度值
记忆	38
回忆	6
思考	44
做梦	44
常识	50

namespace命名空间

Namespace（命名空间）是一种命名作用域机制，用于在同一系统或项目内，对资源进行逻辑隔离和组织，从而：

• 避免命名冲突
• 支持多用户、多智能体、多租户场景
• 为系统的长期演进提供稳定的扩展边界

最佳实践：使用Namespace进行记忆体隔离

在 B2C 或多智能体场景下，建议使用 namespace 作为记忆体的命名作用域，以避免重名冲突并提升模型的可扩展性。

常见使用模式

以下模式为推荐用法，并非强制规范。

1. 以智能体ID作为namespace 适用场景：

• B2C产品
• 多智能体系统
• 每个智能体拥有独立长期记忆 该模式非常适合将系统作为智能体记忆平台对外提供。

2. 以用户ID作为namespace 适用场景：

• 用户拥有私有记忆空间
• 用户创建多个记忆体

3. 组合型namespace 适用场景：

• 同一用户下存在多个智能体
• 需要区分不同角色、不同上下文的记忆

并发等级计算规则

• 用户可通过累计充值点数提升自身并发等级。用户自身的并发等级为长期权益，一旦提升不会因时间推移而失效。
• 每个并发等级对应一个热度阈值。并发等级越高，可用的热度阈值越高。
• 平台提供的不同套餐也会附带对应的套餐并发等级，用于在套餐有效期内提升可用热度阈值。
• 套餐并发等级仅在套餐有效期内生效；套餐到期后，该套餐带来的并发等级与热度阈值随之失效。
• 用户可同时购买多套套餐；当前有效套餐并发等级取所有未过期套餐中的最高等级。
• 平台最终生效的并发等级取以下两者的最大值：
  • 用户自身的并发等级
  • 当前有效套餐并发等级 即：生效并发等级 = max(用户自身并发等级, 当前有效套餐并发等级)

累计点数资费

当您充值时，您将获得相应的点数。当累计的充值点数达到一定额度时，热度阈值将增加。

记忆体活跃状态

1. 记忆体活跃状态用于描述某一记忆体在当前阶段是否被允许继续执行自动思考、自动做梦等后台行为。
2. 该状态的设计目的在于防止记忆体在长时间未被用户实际使用的情况下，仍因自主思考或自动做梦而持续消耗用户点数资源。
3. 在用户未通过手动调用 API 明确触发思考、做梦、记忆或回忆操作的期间，系统允许记忆体在受控范围内执行一定次数的自动思考或自动做梦行为，但上述自动行为均受到次数上限约束（包括活跃状态自主思考次数上限与活跃状态自动做梦次数上限）。当自动思考或做梦的累计次数达到系统设定的上限，且期间未发生新的用户主动调用时，该记忆体将被判定为不再处于活跃状态。
4. 记忆体进入非活跃状态后，系统将停止其自动思考与自动做梦行为，以避免继续产生不必要的点数消耗。
5. 当用户再次通过 API 主动触发思考、做梦、记忆或回忆操作时，该记忆体将重新进入活跃状态，并恢复在规则范围内的自动行为能力。