Memobase

你是否希望你的 AI 应用——无论是个性化助手、教育工具，还是虚拟伴侣——能在用户再次出现时，立刻认出他，并记得他曾说过什么、做过什么？

现在，这个能力不再需要从零构建。Memobase，一个专为生成式 AI（GenAI）打造的长期用户记忆系统，正在让这件事变得简单而可靠。

什么是 Memobase？

Memobase 是一个面向用户的结构化记忆数据库，它帮助 AI 持续积累关于用户的事实、偏好和行为轨迹，形成动态演进的用户档案。

它的核心目标很明确：

让 AI 不只是“这次聊得好”，而是“每次都知道你是谁”。

接入后，AI 能自动识别对话中有价值的信息——比如“我叫 Bob”“我对咖啡过敏”“我喜欢科幻电影”——并将其持久化存储。下一次对话时，这些信息将被智能召回，融入上下文，实现真正意义上的个性化交互。

这就像给 AI 安装了一个“记忆中枢”，无需你手动编写规则或维护数据库逻辑。

为什么传统方案不够用？

目前大多数 GenAI 应用依赖以下几种方式处理记忆：

• 上下文窗口拼接：仅能记住最近几轮对话；
• 简单键值缓存：难以支持复杂查询与演化；
• 自建记忆模块：开发成本高、维护难、扩展性差。

而 Memobase 的出现，正是为了填补这一空白：它不是代理的记忆，而是用户本身的记忆系统。

核心功能一览

面向用户的记忆设计

所有记忆围绕“用户”组织，而非会话或机器人。你可以精确定义哪些信息值得保留，例如姓名、职业、兴趣、习惯等，确保数据服务于产品体验。

时间感知的记忆体系

Memobase 不仅记录“说了什么”，还记录“什么时候说的”。
通过事件时间线机制，AI 可以回答诸如：

• “你上周提到的那本书叫什么？”
• “三个月前你说想学吉他，现在还有兴趣吗？”

这种对时间维度的支持，在同类系统中处于领先水平。

可控的记忆提取与写入

并非所有对话内容都应成为永久记忆。Memobase 提供灵活配置策略，支持：

• 关键信息自动提取（如实体识别 + 意图判断）
• 敏感信息过滤（如医疗、财务相关内容可设为不存储）
• 记忆权重与过期机制（重要记忆长期保留，临时信息自动衰减）

批量处理 & 成本优化

每次对话结束后，Memobase 会在后台异步分析整段聊天记录，批量生成记忆条目。这种方式不仅降低实时调用开销，也显著减少嵌入（embedding）API 的使用频率。

近期更新中，插入成本已降低 30%（v0.0.38），更适合大规模部署。

极简集成体验

支持多种接入方式：

• RESTful API
• Python / Node.js / Go SDK
• 内置 Tool Call 兼容接口（类似函数调用模式）

只需几行代码，即可将现有 LLM 流程接入 Memobase。

📈 经得起验证的性能表现

在基于 900 场真实对话的测试中，Memobase 在记忆准确率、召回效率和时间推理能力上均优于主流开源方案，包括 mem0、langmem 和 zep。

最新版本（v0.0.37）重新运行了 LOCOMO 基准测试，综合指标达到当前最优水平（SOTA）。

此外，细粒度事件摘要功能已上线，支持按关键词、时间段精确搜索用户历史行为。

技术架构：生产就绪的设计

Memobase 基于成熟技术栈构建，具备高可用与可观测性：

• 后端：FastAPI（高性能 Python 框架）
• 存储：PostgreSQL（结构化档案）+ Redis（高速缓存）
• 部署：完全容器化（Docker + Kubernetes 友好）
• 功能支持：请求缓存、身份认证、遥测日志、速率限制

无论你是本地部署还是云端使用，都能快速启动并稳定运行。