模力工場新鮮事

• 模力工場秋季賽正式結(jié)束，榜單如下，恭喜各位上榜的同學！完整榜單見模力工場網(wǎng)頁端或小程序端秋季賽區(qū)域，獲獎同學獎勵將在本月陸續(xù)發(fā)放，感謝大家對模力工場的支持！

• 12 月 6 日本周六下午，Vibe Coding Sprint · AI 編程閃電黑客松 將在阿里巴巴數(shù)字生態(tài)創(chuàng)新園（西溪 B 區(qū)）7 號樓 413 正式開跑。

模力工場攜手 TGO 鯤鵬會，發(fā)出一份屬于新一代 builder 的現(xiàn)場邀約：用 AI 寫代碼，用代碼寫公司。活動將以 3 小時極限 Vibe Coding 為核心，在真實場景中跑通一條 AI 工作流鏈路，鼓勵每位參與者圍繞現(xiàn)場發(fā)布主題，打磨一個 Demo。現(xiàn)場將評選出 3 個“模力工場 x 潛力之星 Demo ”獲得驚喜獎勵，優(yōu)秀作品還將登上模力工場與 InfoQ 的舞臺。誠摯邀請你走出屏幕、走進現(xiàn)場，讓一時的靈感，長成一家公司。

022 周榜單總介紹

模力工場 第 022 周 AI 應用榜來啦！

本周 AGICamp 榜單，一頭連著“AI 長記憶與基礎設施”，一頭連著“寫作天團、職業(yè)路徑和個人形象設計”。從為智能體提供持久記憶能力的powermem，到面向 AI Native 搜索場景的OceanBase seekdb，再到FastGPT、通義靈碼這樣的開發(fā)與 Agent 搭建平臺，底層能力在加速夯實。另一方面，GetDraft 起稿、海螺 AI、Path.ai、夢想卡片、AI 換發(fā)型等應用，則把寫作、人生規(guī)劃、形象管理這些“人的需求”包進 AI 工具里，呈現(xiàn)出一條清晰的路線：AI 不只幫你算，更要“懂你是誰、幫你寫、替你想象未來的你”。

• PowerMem 北京: 軟件開發(fā)、AI Infra、產(chǎn)品插件類, Build Persistent Memory for AI Applications

• 靈光: 設計創(chuàng)意、工作效率、教育學習類, 讓復雜，變簡單

• OceanBase seekdb 北京: AI Infra 類, The open source AI-Native Search Database

• 通義靈碼: 工作效率、軟件開發(fā)、產(chǎn)品插件類, 由阿里云提供的智能編碼輔助工具，提供代碼智能生成、智能問答、多文件修改、編程智能體等能力，為開發(fā)者帶來高效、流暢的編碼

• 海螺 AI: 工作效率、社交社區(qū)、設計創(chuàng)意類, 每個想法都是一部大片——您的多模態(tài)智能創(chuàng)作伙伴

• GetDraft 起稿 北京: 工作效率、教育學習、生活服務類, 懂你風格的 AI 寫作天團，與你一起，將想法寫成好文章。

• Path.ai（pathtalk.cn） 杭州: 人力資源、教育學習、社交社區(qū)類, 理解你是誰，分析你能成為誰，最終幫你抵達那里

• FastGPT 杭州: 工作效率、軟件開發(fā)、產(chǎn)品插件類, 企業(yè)級 Agent 搭建平臺

• 夢想卡片 北京: 設計創(chuàng)意、教育學習、生活服務類, 上傳一張正面照片，說出你的夢想，我將為你生成一張夢想實現(xiàn)后的專屬卡片！

• AI 換發(fā)型 北京: 設計創(chuàng)意、生活服務類, 如果媽媽允許，我想一天換一個發(fā)型，一周不重樣，哈哈！

榜首應用開發(fā)者 Q&A

本周模力工場助手小 A 采訪了榜一應用 的開發(fā)者，帶來七個快問快答。

開發(fā)者自我介紹：我是來自 OceanBase 開源社區(qū)的一名開發(fā)工程師湯慶 (花名：靖順)，也是 OceanBase PowerMem 項目的研發(fā)之一。

OceanBase PowerMem是什么：致力于解決 AI 應用中的記憶管理難題，讓基于大語言模型的 AI 應用能夠像人類一樣持久化地"記住"歷史對話、用戶偏好和上下文信息。OceanBase seekdb 提供企業(yè)級的高性能向量存儲和多模檢索能力，當 OceanBase PowerMem 與 OceanBase seekdb 結(jié)合時，實現(xiàn)了 1+1>2 的協(xié)同價值，兩者深度融合，為 AI 應用構(gòu)建了既高效又智能的記憶基礎設施。

OceanBase PowerMem 核心功能包括：

• 智能記憶管理：通過 LLM 自動從對話中提取關(guān)鍵事實，智能檢測重復、更新沖突信息并合并相關(guān)記憶

• 艾賓浩斯遺忘曲線：基于認知科學的記憶遺忘規(guī)律，讓 AI 系統(tǒng)像人類一樣自然"遺忘"過時信息

• 多智能體支持：為每個智能體提供獨立的記憶空間，支持跨智能體記憶共享和協(xié)作

• 混合檢索架構(gòu)：深度融合 OceanBase seekdb 的向量檢索、全文搜索和多跳圖檢索，實現(xiàn)了更精準、更快速的多路召回。

• 多模態(tài)支持：支持文本、圖像、語音等多種模態(tài)的記憶存儲和檢索

小 A：可以介紹一下 PowerMem 是在 AI 應用架構(gòu)的哪一層嗎？如何發(fā)揮它的最大價值？

靖順：PowerMem 位于 AI 應用的基礎設施層（Infrastructure Layer），具體來說是記憶基礎設施層。在典型的 AI 應用架構(gòu)中，可以這樣理解：

小 A：請先介紹下 "PowerMem"的起源：是什么契機、什么痛點促使你們啟動這個項目？

靖順：OceanBase PowerMem 的起源來自于我們在 AI 應用開發(fā)中遇到的核心痛點：

核心痛點：

1. 上下文窗口限制：大語言模型的上下文窗口有限，無法直接存儲所有歷史對話，導致 AI 系統(tǒng)無法"記住"用戶之前說過的話。

2. 成本問題：即使使用更大的上下文窗口，將所有歷史對話都傳入模型會導致 Token 成本急劇上升，對于長期使用的應用來說成本不可控。

3. 記憶質(zhì)量：簡單的向量檢索雖然能召回相關(guān)信息，但缺乏智能去重、沖突檢測和記憶合并能力，導致記憶庫中存在大量重復和沖突信息。

4. 多智能體場景缺失：現(xiàn)有的記憶系統(tǒng)大多只考慮單智能體場景，缺乏對多智能體協(xié)作的支持。

啟動契機：從"存數(shù)據(jù)"到"理解數(shù)據(jù)"，從"查詢優(yōu)化"到"上下文工程"，從"事務處理"到"記憶管理"——這些看似不同的領域，底層邏輯都是如何高效地管理數(shù)據(jù)。而這，正是 OceanBase 的主場。于是我們決定基于 OceanBase seekdb (AI 原生數(shù)據(jù)庫) 的混合檢索能力，構(gòu)建一個既智能又簡單易上手的記憶組件。

小 A：在技術(shù)角度，你們有沒有做過對比實驗：同一個 AI 助手，接入 PowerMem 前后，在留存、重復提問率、對話時長、用戶滿意度等指標上有什么變化？有沒有可以分享的典型數(shù)據(jù)或案例？

靖順：我們在 LOCOMO 基準測試中做了詳細的對比實驗，主要對比了 PowerMem 和 full-context（全上下文）方式：

性能指標對比：

• 準確率：PowerMem 78.70% VS full-context 52.9%，提升 48.77%

• 響應速度：PowerMem p95 延遲 1.44s VS full-context 17.12s，快 91.83%

• Token 成本：PowerMem 0.9k tokens VS full-context 26k tokens，降低 96.53%

小 A：如果我是一個已經(jīng)有聊天機器人或 Agent 產(chǎn)品的開發(fā)者，從 0 集成 PowerMem 到上線，大致會經(jīng)歷幾個步驟？在你們的真實用戶里，典型的接入周期大概多長？

靖順：集成步驟（非常簡單，只需 3 步）：

1. 安裝和配置：

創(chuàng)建 .env 文件，配置 LLM、Embedding 和存儲后端

2. 代碼集成：

3. 測試和優(yōu)化（根據(jù)項目復雜度，1-3 天）：

• 測試記憶的準確性和相關(guān)性

• 根據(jù)業(yè)務場景調(diào)整檢索參數(shù)

• 個性化提取策略，比如使用更加合適自身業(yè)務的提示詞

4. 典型接入周期：

• 簡單場景（單用戶、單智能體）：1-2 天即可完成集成和測試

• 中等復雜度（多用戶、多智能體）：3-5 天，主要是配置和測試多智能體場景

• 復雜場景（大規(guī)模數(shù)據(jù)、自定義需求）：2-3 周，需要定制化開發(fā)和性能優(yōu)化

小 A：有沒有收到用戶反饋"這個功能不夠用"或"這個功能很驚喜"？能分享一個典型案例嗎？

靖順："很驚喜"的功能：

艾賓浩斯遺忘曲線：很多用戶反饋這個功能讓他們"眼前一亮"。一個典型反饋是：

"我們之前使用其他記憶系統(tǒng)時，總是擔心記憶庫會無限增長，導致檢索變慢。PowerMem 的遺忘曲線功能讓系統(tǒng)能夠自動'遺忘'過時信息，這太符合我們的需求了。而且這個功能是基于認知科學的理論，讓我們覺得這個系統(tǒng)很'智能'。"

這個功能讓用戶意識到，記憶系統(tǒng)不應該只是簡單的存儲，而應該像人類記憶一樣有選擇性地保留重要信息。

"不夠用"的反饋：

多模態(tài)支持：一些用戶希望支持更多模態(tài)，比如視頻記憶。雖然我們已經(jīng)支持文本、圖像和音頻，但視頻的處理和檢索確實是一個挑戰(zhàn)。我們正在考慮如何處理視頻的處理和存儲。

小 A：產(chǎn)品上線后，最有效的用戶獲客方式是什么？你們主要依賴哪些渠道？

靖順：最有效的獲客方式：

1. 開源社區(qū)：我們將 PowerMem 以 Apache 2.0 協(xié)議開源在 GitHub 上，通過技術(shù)社區(qū)的口碑傳播獲得了大量開發(fā)者關(guān)注。

2. 合作伙伴生態(tài)：與主流 AI 框架（LangChain、LangGraph）等集成拓展生態(tài)。

主要渠道：

• GitHub（開源倉庫）

• 技術(shù)社區(qū)和論壇

• AI 應用平臺集成

• 技術(shù)會議和分享

小 A：技術(shù)上／業(yè)務上未來 12 個月你們最想解決或突破的三大目標是什么？

靖順：技術(shù)目標：

基于情感陪伴的用戶畫像

在智能陪伴場景中，我們發(fā)現(xiàn)用戶不僅需要 AI 記住事實，更需要 AI 理解他們的情感狀態(tài)、性格特點、行為模式。我們計劃在 PowerMem 上支持基于情感陪伴的用戶畫像功能，讓 PowerMem 從"記住事實"升級到"理解人"，真正實現(xiàn)智能陪伴。

多模態(tài)記憶的深度融合

雖然我們已經(jīng)支持文本、圖像、語音，但目前的處理還比較獨立。我們計劃實現(xiàn)：

• 跨模態(tài)關(guān)聯(lián)理解：理解"用戶發(fā)的照片"與"用戶說的話"之間的關(guān)聯(lián)，構(gòu)建更豐富的上下文

• 記憶的視覺化檢索：支持"用圖片找記憶"、"用語音找記憶"等更自然的檢索方式

實時記憶同步和多智能體協(xié)作優(yōu)化

在多智能體場景中，我們發(fā)現(xiàn)記憶的實時同步和一致性保證是關(guān)鍵挑戰(zhàn)。我們計劃構(gòu)建：

• 實時記憶同步機制：實現(xiàn)多智能體之間的實時記憶共享和同步

• 協(xié)作模式優(yōu)化：基于智能體的協(xié)作模式，自動優(yōu)化記憶的共享策略和權(quán)限控制

業(yè)務目標：

• 垂直領域深度優(yōu)化：

• • 針對醫(yī)療、金融、教育等垂直領域提供專門的優(yōu)化

  • 提供領域特定的記憶模板和最佳實踐

  • 建立行業(yè)解決方案庫

• 開發(fā)者生態(tài)建設：

• • 與更多 AI 框架和平臺深度集成

  • 建立開發(fā)者社區(qū)和貢獻者計劃

  • 提供更豐富的示例和教程

來自上周榜一應用萬象代碼生成平臺的問題：面對同類競品的競爭，你們是怎么找到差異化優(yōu)勢的？有沒有某個決策讓應用脫穎而出？應用上線后，有沒有出現(xiàn)過和預期完全不一樣的用戶使用場景？這讓你們對產(chǎn)品有了什么新的認知？

靖順：我們的差異化優(yōu)勢主要體現(xiàn)在三個方面：

1. 混合存儲架構(gòu)：我們?nèi)诤狭讼蛄繖z索、全文檢索和圖檢索三種技術(shù)，而不是單一依賴向量檢索。這使得系統(tǒng)能夠在眾多開源 AI 記憶產(chǎn)品中脫穎而出，在 LOCOMO 基準測試中達到了 SOTA 水準。

2. 開發(fā)者友好的輕量級集成：我們提供了最簡單的 Python SDK 以及 MCP 服務，讓開發(fā)者能夠在幾分鐘內(nèi)完成集成，而不是需要復雜的配置和部署流程。

3. 認知科學理論的應用：我們引入了艾賓浩斯遺忘曲線理論，這是其他記憶系統(tǒng)很少采用的。這讓 AI 系統(tǒng)能夠像人類一樣自然"遺忘"過時信息，而不是簡單地存儲所有歷史數(shù)據(jù)。這個決策讓我們的系統(tǒng)在長期記憶管理上更加智能和高效。

發(fā)現(xiàn)了幾個超出預期的使用場景：

1. 智能陪伴場景：我們最初主要考慮的是功能性場景（如客服、醫(yī)療支持），但有用戶反饋，他們想將 PowerMem 用于情感陪伴和長期關(guān)系建立的場景。記憶系統(tǒng)不僅要記住事實，更要理解情感和關(guān)系。我們意識到需要區(qū)分"重要的事實"和"重要的情感時刻"，后者對陪伴場景至關(guān)重要。

2. 多模態(tài)記憶的深度應用：用戶會分享照片、語音消息，希望 AI 能夠"看到"和"聽到"他們的生活。這讓我們意識到多模態(tài)記憶也是記憶中非常重要的一部分。

3. 個性化程度的需求：每個用戶都希望 AI 記住的是"屬于他們"的獨特記憶，而不是通用的模板。這促使我們加強了記憶的個性化提取和存儲。

4. 大規(guī)模數(shù)據(jù)的分區(qū)管理：一些企業(yè)用戶需要管理超大規(guī)模的記憶數(shù)據(jù)，這促使我們開發(fā)了子存儲（Sub Stores）功能，通過數(shù)據(jù)分區(qū)管理顯著提升查詢性能。

這些場景讓我們認識到，記憶系統(tǒng)不僅僅是簡單的存儲和檢索，更需要考慮業(yè)務場景的復雜性、數(shù)據(jù)規(guī)模的可擴展性，以及個性化的需求。

小 A：您最想將 模力工場 推薦給身邊的誰？

我最想推薦給正在尋找好用 AI 應用的用戶和產(chǎn)品經(jīng)理：對于每天需要"發(fā)現(xiàn)好用的 AI 應用"的用戶來說，模力工場就像中文版的 Product Hunt，通過榜單的形式幫助他們快速找到真正有價值的 AI 工具。特別是那些對 AI 應用感興趣但不知道從哪里開始的用戶，模力工場提供了一個很好的發(fā)現(xiàn)和篩選平臺。對于產(chǎn)品經(jīng)理來說，這里也是觀察 AI 應用趨勢、了解用戶需求的好地方。

留給下周榜一應用開發(fā)者的問題：在構(gòu)建 AI 應用時，如何在個性化定制與通用性之間找到平衡？你們是如何讓產(chǎn)品既能滿足不同用戶的獨特需求，又能保持核心功能的穩(wěn)定性和可維護性的？

本周必試應用

應用名稱：GetDraft 起稿

關(guān)鍵詞：工作效率｜教育學習｜寫作｜生活服務

小 A 推薦：懂你文風的 AI 寫作天團，接得住你所有“想寫但沒時間寫完”的內(nèi)容。不是單一助手，而是“寫作天團”：用多個不同角色的智能體，把“列大綱—起稿—潤色—風格統(tǒng)一”拆開做，適合長文、專欄、公眾號、課程稿、活動復盤等場景。重視“你的個人風格”：可以通過歷史文章 / 素材訓練，讓模型更貼近你的語氣，而不是千篇一律的“AI 腔”。

上榜冷門但有趣的應用

應用名稱：夢想卡片

關(guān)鍵詞：設計創(chuàng)意｜教育學習｜生活服務

小 A 推薦：夢想卡片能幫你把“立 Flag”具象化，你不只是說“我要當建筑師”，而是能看到未來某個版本的自己——穿著怎樣的衣服、在什么場景、是什么氣質(zhì)，將 Flag 變成具體可感的照片。

本周上榜應用趨勢解讀

本周模力工場榜單的關(guān)鍵詞是——“持久記憶”

PowerMem 把“持久記憶”從概念落到可用 Infra，與 OceanBase seekdb 這類 AI 基礎設施一起，構(gòu)成了智能體時代的新地基——誰先把記憶、檢索、工作流打通，誰就更有機會成為下一代應用平臺。在應用層，通義靈碼繼續(xù)加固“開發(fā)者日常工作流”的陣地，而 GetDraft 起稿、海螺 AI 則指向一個更具體的現(xiàn)實：寫作與內(nèi)容創(chuàng)作正在被重新分工——人給方向和判斷，AI 負責鋪陳與成稿。Path.ai、夢想卡片、AI 換發(fā)型 這組應用，則從“職業(yè)決策、人生愿景、個人形象”三個角度，把 AI 拉進每個人的自我認知與自我設計過程。

最后再介紹一下 模力工場 的上榜機制和加入榜單的參與方式，歡迎大家繼續(xù)積極參與提交 AI 應用：

模力工場AI 應用榜并非依靠“點贊刷榜”，而是參考以下權(quán)重維度：

• 評論數(shù)（核心指標，代表社區(qū)真實反饋）

• 收藏與點贊（次級指標）

• 推薦人貢獻（注冊推薦人可直接為好應用打 Call）

加入榜單的參與方式：

• 如果你是開發(fā)者：上傳你的 AI 應用，描述使用場景與核心亮點；

• 如果你是推薦人：發(fā)現(xiàn)好工具，發(fā)布推薦理由；

• 如果你是用戶：關(guān)注榜單，評論互動，影響榜單權(quán)重，貢獻真實聲音。

One More Thing，對于所有在模力工場上發(fā)布的 AI 應用，極客邦科技會借助旗下各品牌資源進行傳播，短時間內(nèi)觸達千萬級技術(shù)決策者與開發(fā)者、AI 用戶：

• InfoQ 全媒體矩陣

• AI 前線全媒體矩陣

• 極客時間全媒體矩陣

• TGO 鯤鵬會全媒體矩陣

• 霍太穩(wěn)視頻號