C.O.R.E

在 AI 代理日益复杂的今天，如何让它们“记住”你的偏好、历史对话和关键事实，成为提升效率和个性化体验的关键。为此，一个新的解决方案应运而生：C.O.R.E（Contextual Observation & Recall Engine） —— 一个专为大语言模型设计的共享记忆系统。

它具备以下核心特性：

• ✅ 私有性：数据完全由用户掌控
• ✅ 可移植性：可在本地部署或使用托管服务
• ✅ 跨平台支持：能与 Cursor、Claude 等工具无缝集成
• ✅ 时序知识图谱能力：记录事实的完整变更历史与上下文来源

核心设计理念

C.O.R.E 的设计围绕两个核心目标展开：

1. 你拥有并控制自己的记忆

所有记忆数据都存储在本地或你选择的环境中，任何需要 LLM 上下文的应用都可以访问这些信息。这意味着你可以：

• 随时查看记忆内容
• 控制谁可以访问
• 在不同应用之间复用上下文

2. 赋能你的 AI 助手（SOL）

通过接入 C.O.R.E，你的 AI 助手可以获得更丰富的背景信息，从而做出更准确、更个性化的回应。无论是项目进展、个人偏好还是过往决策，AI 都能像你一样“记得”。

与传统记忆系统的区别

不同于传统的“便签式”记忆系统，C.O.R.E 并不只是简单地记录实体和关系，它是一个动态的、活的知识图谱，具有以下独特优势：

🧠 每个事实都是“声明”（Statement）

• 每条信息都有完整的上下文：说了什么、谁说的、什么时候发生的、为什么重要
• 支持版本追踪：你可以看到一条信息是如何随时间演变的

🔍 完全透明与可追溯

• 所有变更记录均可查询
• 可追溯到原始来源（如会议、邮件、文档）
• 明确知道 AI 是基于哪些信息得出结论的

使用场景示例：真实变更审计

想象一下，你问你的 AI 助手 SOL：“自第一季度以来，我们的定价有哪些变化？”

有了 C.O.R.E，你可以得到一份清晰的时间线报告，包括：

• 哪些价格发生了变动
• 谁批准了这些变更
• 相关会议、邮件、文档等上下文信息
• 每次变更的具体时间和原因

这种级别的可审计性与透明度，对产品管理、合规审查、团队协作等场景极具价值。

另一个典型用例是：

“Mike 对 Phoenix 项目了解多少？”

AI 将为你展示 Mike 曾参与的会议、他做出的关键决定、相关文档引用，并提供完整的事件时间线，帮助你快速掌握其认知边界。

如何开始使用 C.O.R.E？

目前 C.O.R.E 提供两种部署方式：

🖥️ 本地运行（推荐）

• 数据完全本地化，安全性更高
• 支持与本地开发工具集成（如 Cursor）

☁️ 云端托管（Core Cloud）

1. 注册 Core Cloud 平台
2. 添加你想保存的文本内容至记忆库
3. 系统将自动构建你的记忆图谱
4. 连接 Core Memory MCP 插件，即可在 Cursor 等工具中调用你的记忆

当前支持情况

虽然 C.O.R.E 已经支持主流闭源大模型，但对基于 Llama 的开源模型的支持仍在持续改进中。目前其在 Llama 模型上的表现尚未达到最优状态，但开发团队正在积极优化兼容性与输出质量。