AI終于有了"記憶"——MIRIX革命性突破,讓每個人都能擁有專屬數字大腦 原創
想象一下,如果你的AI助手能記住你的每一次對話、每一個偏好,能夠真正理解你記住你做過的事情…
加州大學圣迭戈分校博士生Yu Wang與紐約大學教授Xi Chen合作提出了MIRIX —— 全球首個真正具備多模態長期記憶的AI系統,項目同時發布了可直接使用的Mac桌面應用。

解決什么問題?
現有AI助手的一個明顯局限是缺乏持續記憶能力。每次對話結束后,之前的交互信息就會丟失。RAG(檢索增強生成)雖然能補充一些信息,但在處理多模態數據和長期記憶方面仍有不足。
MIRIX的技術方案
六模塊記憶架構

與一般系統將記憶分為長期記憶和短期記憶不同,MIRIX將AI記憶分為六個功能模塊:
- 核心記憶:存儲用戶基本信息和偏好
- 情景記憶:記錄按時間排序的事件和對話
- 語義記憶:保存概念性知識和事實
- 程序記憶:存儲操作流程和任務步驟
- 資源記憶:管理文檔、截圖等工作資料
- 知識金庫:安全存儲敏感信息
多智能體協作架構
MIRIX采用分層管理的多智能體系統,包含1個元記憶管理者(Meta Memory Manager)和6個專門的記憶管理者。
元記憶管理者的職責:
- 分析輸入內容,判斷應該激活哪些記憶模塊
- 協調各個記憶管理者的工作流程
- 處理記憶檢索請求的路由分發
- 監控整個記憶系統的運行狀態
六個專門管理者分工:每個記憶模塊都有專門的管理者負責:
- 核心記憶管理者:維護用戶基本信息,當容量超過90%時自動重寫壓縮
- 情景記憶管理者:按時間戳記錄和索引事件,支持時間范圍查詢
- 語義記憶管理者:構建和維護概念知識圖譜,處理實體關系
- 程序記憶管理者:結構化存儲操作流程,支持步驟化調用
- 資源記憶管理者:管理多模態資源的存儲和檢索
- 知識金庫管理者:處理敏感信息的加密存儲和權限控制
工作流程:
記憶更新流程:
- 用戶輸入(對話或屏幕截圖)觸發全局記憶搜索
- 元管理者分析內容,確定需要更新的記憶模塊
- 相關的專門管理者并行處理更新任務,去除重復信息
- 更新完成后,元管理者匯總結果并通知系統進入下一輪

記憶檢索流程:
- 聊天代理根據用戶問題自動生成檢索主題
- 元管理者將檢索請求分發到相關的記憶模塊
- 各專門管理者從自己的模塊中檢索top-k相關信息
- 檢索結果按來源標記(如<episodic_memory>、<semantic_memory>等)
- 聊天代理基于檢索到的記憶信息生成回答

這種多智能體設計確保了記憶系統的高效運行,避免了單一智能體處理復雜記憶任務時的性能瓶頸。
性能表現
ScreenshotVQA測試(基于45,000張高分辨率截圖):
- 相比RAG方法,準確率提升35%,存儲開銷降低99.9%
- 相比長文本方法,準確率提升410%,存儲開銷降低93.3%

LOCOMO長對話測試:
- 準確率達到85.4%,超越所有現有記憶系統

桌面應用
訪問 mirix.io 可直接下載Mac版應用程序:

- 安裝后配置Gemini API Key
- 應用會自動記錄屏幕活動和對話
- 通過可視化界面查看和管理記憶
- 與AI助手對話時能調用歷史信息
- 應用場景如下:
- 工作助手:基于歷史項目經驗協助寫作申請或報告:

- 活動回顧:回顧某一時間段的工作內容和進展

- 記憶可視化(下圖是一個Semantic Memory的示例

隱私和安全
所有記憶數據存儲在本地SQLite數據庫中,不會上傳到云端。敏感信息通過知識金庫模塊進行加密存儲和訪問控制。
項目信息
- 論文:https://arxiv.org/abs/2507.07957
- 官網:https://mirix.io/
- 開源:https://github.com/Mirix-AI/MIRIX
- 應用下載:https://mirix.io/(Mac版)
MIRIX為AI記憶系統提供了一個完整的解決方案,既有學術研究價值,也提供了實際可用的應用程序。對于需要長期記憶能力的AI應用場景,這個項目提供了可行方案。
本文轉載自??AI-PaperDaily??,作者:MIRIX AI
?著作權歸作者所有,如需轉載,請注明出處,否則將追究法律責任
已于2025-7-18 14:59:02修改
贊
收藏
回復
分享
微博
QQ
微信
舉報
回復
相關推薦

















