讓AI從“臨時(shí)工”進(jìn)化為“老員工”。

作者｜田思奇

編輯｜栗子

智能，并非由算力堆砌而來。

無論是人類大腦還是硅基系統(tǒng)，維持穩(wěn)定判斷的前提只有一個(gè)：記住過去，才能讀懂現(xiàn)在。沒有記憶，再聰明的推理也只能停留在臨場反應(yīng)。

在克里斯托弗·諾蘭的電影《記憶碎片》中，主角擁有完整的舊記憶，但在一場意外后無法形成新的長期記憶，他只能依靠拍立得和紋身保持與世界的連接。今天的AI Agent也是如此：學(xué)習(xí)過靜態(tài)知識庫，可以執(zhí)行任務(wù)；但卻缺乏連續(xù)性，動態(tài)數(shù)據(jù)割裂。

行業(yè)的主流解法是給大模型外掛RAG（檢索增強(qiáng)生成），但這更像是給健忘的人配了一本字典。它解決的是“查閱”問題，而非“認(rèn)知”問題。

成立于2024年的紅熊AI給出了新解法：智能不取決于你知道多少，而取決于你記住了什么。其核心產(chǎn)品“記憶熊”（Memory Bear）近日宣布開源。這一整套記憶系統(tǒng)結(jié)合Agent平臺，讓企業(yè)真正擁有了“長期記憶的AI員工”。

“我們不是在造神，而是在造幫人類解決問題的工具?！奔t熊AI創(chuàng)始人兼CEO、記憶熊首席科學(xué)家溫德亮對「甲子光年」表示。

在模型能力日益趨同的今天，AI正從算力之爭，走向記憶之爭。

1.做了RAG，業(yè)務(wù)還是上不去？

想象一下：你花重金挖來一位智商超群的CXO。他博聞強(qiáng)識，反應(yīng)敏捷，但有個(gè)致命缺陷：記憶如同金魚般短暫。上午處理過的投訴，下午忘得一干二凈；換個(gè)辦公室，不認(rèn)識老客戶了。

聽起來荒誕，卻是當(dāng)下企業(yè)部署AI的現(xiàn)實(shí)。模型的回答足夠聰明，但業(yè)務(wù)準(zhǔn)確度支離破碎。為了喚醒這位“健忘的天才”，企業(yè)被迫花費(fèi)大量token重新訓(xùn)練，支付著昂貴的“記憶稅”。

這意味著什么呢？意味著客服不知道銷售的承諾，銷售不知道售后的進(jìn)度。同一位用戶不得不向AI重復(fù)3遍問題，導(dǎo)致負(fù)面情緒堆積。

這種割裂同樣發(fā)生在模型之間：多個(gè)Agent各自獨(dú)立形成數(shù)據(jù)孤島，無法共享上下文記憶，協(xié)作效率極低。

深入AI客服業(yè)務(wù)時(shí)，溫德亮對此深有體會。他發(fā)現(xiàn)無論模型參數(shù)多大，推理性能再優(yōu)秀，業(yè)務(wù)回答的準(zhǔn)確率始終卡在瓶頸期，無法滿足B端嚴(yán)苛的交付標(biāo)準(zhǔn)。

“為了解決這個(gè)問題，我們最初嘗試過行業(yè)許多標(biāo)準(zhǔn)解法：外掛RAG或拉長上下文窗口、訓(xùn)練模型、優(yōu)化參數(shù)等等?！睖氐铝料颉讣鬃庸饽辍够貞?。但現(xiàn)實(shí)給了團(tuán)隊(duì)一記悶棍：這些方案本質(zhì)上是“黑盒”。企業(yè)把文檔塞進(jìn)去，卻無法控制系統(tǒng)記住了什么、遺忘了什么。

結(jié)果是，系統(tǒng)變成了只進(jìn)不出的“信息垃圾桶”，模型幻覺頻發(fā)。就像老師把整本書丟給學(xué)生，卻不告訴他哪些是考點(diǎn)。

失敗的嘗試，讓溫德亮意識到：企業(yè)需要的不是一個(gè)更厚的筆記本。要想讓AI從工具變成能協(xié)作的智能體，必須讓歷史真正影響未來，而不是僅僅被檢索到。

這成為了紅熊AI誕生的原點(diǎn)——放棄修補(bǔ)，徹底重構(gòu)，打造一套透明可控的記憶操作系統(tǒng)，完全圍繞實(shí)際業(yè)務(wù)需求進(jìn)行記憶的結(jié)構(gòu)化處理，讓AI可以如同人類一樣產(chǎn)生靈活的記憶能力。

在溫德亮看來，若不進(jìn)行結(jié)構(gòu)化，AI無法有效調(diào)用信息，更無法進(jìn)行邏輯校驗(yàn)。他舉了一個(gè)生動的例子：“‘巴黎是法國首都’是常識。但若有人多次誤導(dǎo)AI說‘巴黎不是’，傳統(tǒng)模型極易受‘近因效應(yīng)’干擾產(chǎn)生錯(cuò)誤認(rèn)知。”

紅熊的系統(tǒng)則不同，它通過規(guī)則驗(yàn)證機(jī)制甄別矛盾信息，拒絕寫入錯(cuò)誤認(rèn)知。這種能力讓AI擁有了“批判性思維”，不再是人云亦云的復(fù)讀機(jī)。

自2024年11月立項(xiàng)以來，紅熊AI在荒原上依靠商業(yè)化驗(yàn)證摸索，試圖將人類記憶的核心動作——編碼、存儲、校準(zhǔn)全部做成標(biāo)準(zhǔn)化的工程系統(tǒng)。

對于企業(yè)而言，模型可以被替代，但經(jīng)驗(yàn)不能；算法可以共享，但記憶沉淀無法復(fù)制。當(dāng)所有的競爭對手都用上同樣的模型時(shí)，唯一的護(hù)城河，是企業(yè)擁有的私有記憶資產(chǎn)。

真正的智能差異，將由記憶沉淀拉開。

2.如何構(gòu)建可進(jìn)化的記憶層架構(gòu)？

拒絕做簡單外掛緩存的記憶熊，主要致力于在工程層面復(fù)現(xiàn)人類記憶的復(fù)雜機(jī)制，通過邏輯聯(lián)想、隱性感知、語境校準(zhǔn)、智能遺忘等步驟，構(gòu)建了完整的記憶閉環(huán)。

重構(gòu)始于對連接方式的質(zhì)疑。在目前的AI技術(shù)棧中，向量數(shù)據(jù)庫幾乎是標(biāo)配。雖然它處理簡單問答效率極高，但其“相似度匹配”的原理本質(zhì)上還是查字典，缺乏生物大腦觸類旁通的彈性。

為了突破這一局限，記憶熊構(gòu)建了基于動態(tài)圖譜的邏輯聯(lián)想機(jī)制。

這就像人類聽到“咖啡”，下意識聯(lián)想到的不僅是飲料，還有早晨、通勤和提神。在傳統(tǒng)AI眼中，“會開車”只是孤立標(biāo)簽；在新架構(gòu)下，它被標(biāo)記為需要長期固化的技能。這種從機(jī)械匹配到動態(tài)語義網(wǎng)絡(luò)的跨越，讓AI擁有了類似人類的聯(lián)想本能。

邏輯推理只是起點(diǎn)，更深層的挑戰(zhàn)在于捕捉“不可言說”的潛臺詞。舊系統(tǒng)只能記住用戶“說了什么”，卻忽略了“沒說什么”。

為此，記憶熊引入了獨(dú)立的隱性記憶引擎。當(dāng)用戶抱怨“冷”時(shí)，傳統(tǒng)模型等待指令，而該引擎會聯(lián)動室溫與季節(jié)背景，自動推薦圍巾。甚至當(dāng)一位用戶再次接入服務(wù)時(shí)，記憶熊回憶起的不僅是上次的投訴內(nèi)容，還有當(dāng)時(shí)他憤怒的情緒值以及隨后的平靜過程。從此，AI不再是冷冰冰的邏輯機(jī)器，而是開始進(jìn)化為具備共情能力的伙伴。

然而，屏幕里的算法可能是完美的，現(xiàn)實(shí)中的數(shù)據(jù)是雜亂的。用戶的表達(dá)往往碎片化甚至前后矛盾。

為了在混亂中建立秩序，記憶熊開發(fā)了動態(tài)語境校準(zhǔn)和和記憶質(zhì)量評估。如果用戶上午說“要紅色”，下午改口“還是喜歡藍(lán)的”，傳統(tǒng)的線性存儲會導(dǎo)致決策分裂。而記憶熊引入了類似人類常識的判斷機(jī)制，結(jié)合時(shí)間戳識別出這是一次“意圖修正”，自動用新需求覆蓋舊記憶。實(shí)測數(shù)據(jù)顯示，這種機(jī)制將因信息沖突導(dǎo)致的語境偏移率降低82%。

對人類認(rèn)知的極致模仿，不僅體現(xiàn)在“如何記住”，更體現(xiàn)在“如何遺忘”上。在以token計(jì)費(fèi)的時(shí)代，盲目追求“記住所有事”是對算力的極大浪費(fèi)。

為此，記憶熊引入記憶萃取引擎。執(zhí)行的是高精度的“物理剪枝”：實(shí)時(shí)剝離對話中的寒暄與廢話，只保留關(guān)鍵信息點(diǎn)。更高的技術(shù)壁壘還在于自我反思引擎。它模擬了人類深度的反思過程——就像人腦在入睡后會梳理經(jīng)歷、修正認(rèn)知一樣，該引擎能在時(shí)間維度，事實(shí)維度，邏輯維度對知識圖譜深度優(yōu)化，將碎片化的瞬時(shí)記憶，蒸餾為結(jié)構(gòu)化的工作記憶。

同時(shí)，記憶熊獨(dú)有的記憶遺忘引擎，也通過數(shù)學(xué)驅(qū)動的記憶激活度，而非死規(guī)則，管理長期記憶衰減與強(qiáng)化。

“我們遵循艾賓浩斯遺忘曲線。AI不該記住所有事，對于用戶無意識的行為或無需留存的信息，系統(tǒng)會自動判定為無需記憶。這是對算力的節(jié)省，也是對人性的尊重?！睖氐铝林赋觥?/p>

這種基于場景感知的語義權(quán)重計(jì)算，讓成本壓縮為1/24。企業(yè)不再需要為海量的廢話買單，AI的反應(yīng)速度也因?yàn)樨?fù)擔(dān)減輕而變得更加敏捷。

當(dāng)個(gè)體記憶被精準(zhǔn)管理后，紅熊通過自研的Red Bear Swarm框架，將記憶層獨(dú)立為所有智能體通用的“中央大腦”。針對銷售AI與風(fēng)控AI可能出現(xiàn)的決策沖突，系統(tǒng)確立了“明確決策主體”的規(guī)則，解決了多智能體“打架”的問題，讓AI團(tuán)隊(duì)協(xié)作成為可能。

在LOCOMO數(shù)據(jù)集測試中，記憶熊單跳問答、多跳推理、開放泛化和時(shí)序處理四大核心任務(wù)中，其關(guān)鍵指標(biāo)均超越MemO、Zep、LangMem等現(xiàn)有主流方案，實(shí)現(xiàn)97%的token效率提升和82%的語境偏移率降低，扭轉(zhuǎn)了傳統(tǒng)記憶系統(tǒng)“高消耗、低準(zhǔn)確”的困境。

在技術(shù)的演進(jìn)中，紅熊始終保持著對倫理的審視。

“人類的道德本質(zhì)上源于記憶?！睖氐铝翉?qiáng)調(diào)。記憶熊可區(qū)分顯性和隱性記憶，其核心邏輯不是“該如何記”，而是尊重“該如何做”，滿足個(gè)性化隱私需求。

為了消除企業(yè)對“黑盒”的顧慮，記憶熊用戶也可實(shí)時(shí)查看對話如何被存儲或遺忘，配合嚴(yán)格的審核機(jī)制，確保敏感信息有效隔離。

當(dāng)這項(xiàng)技術(shù)走出實(shí)驗(yàn)室，真正的價(jià)值才剛剛開始。

3.消除情緒斷層，AI服務(wù)的最后一公里

記憶熊的核心任務(wù)，并非僅僅是提升每一次問答的準(zhǔn)確率。它需要從這些斷裂的業(yè)務(wù)流中，重建一種稀缺的資源——時(shí)間的連續(xù)性。

先看零售與客服領(lǐng)域，這里是企業(yè)AI“記憶稅”最重的地方。過去，客服輪崗導(dǎo)致用戶被迫重復(fù)陳述，負(fù)面情緒層層疊加。接入記憶熊后，體驗(yàn)被徹底重構(gòu)：當(dāng)一位因物流延誤而憤怒的用戶下午再次接入，AI不再機(jī)械問候，而是直接延續(xù)上午的對話：“您好，關(guān)于您反饋的異常，已加急處理，目前狀態(tài)是……”

AI繼承了上一次的情緒脈絡(luò)與任務(wù)進(jìn)度，服務(wù)未因時(shí)間切斷而斷層。在實(shí)際案例中，這種擁有“資深導(dǎo)購”記憶的接待能力，將人工替代率推高至70%。解決問題本身，就是最好的情緒撫慰。

在更復(fù)雜的場景中，用戶需求不是靜態(tài)的點(diǎn)，而是一條動態(tài)流淌的線。傳統(tǒng)AI捕捉孤立關(guān)鍵詞，紅熊則理解線條走向。

以電商為例，系統(tǒng)能理解用戶的興趣遷移。它能捕捉到新手父母的需求從新生兒睡袋到輔食機(jī)的演變，提供具備上下文的建議。AI不再僅僅是推銷商品，而是理解并陪伴一個(gè)家庭的生命周期。

在醫(yī)療領(lǐng)域，記憶價(jià)值在于輔助決策。傳統(tǒng)的問診AI每次都在重新“查戶口”，而紅熊系統(tǒng)能調(diào)用歷史病程輔助判斷。在影像診斷中，通過關(guān)聯(lián)對比當(dāng)前與歷史影像，系統(tǒng)能精準(zhǔn)識別病變的演進(jìn)情況。這種基于時(shí)間維度的縱向?qū)Ρ?，比單次診斷更具臨床價(jià)值。

同樣的邏輯延伸至教育。紅熊摒棄了競品的“題海戰(zhàn)術(shù)”，轉(zhuǎn)而記錄學(xué)生的認(rèn)知軌跡。區(qū)分已掌握與未掌握的知識點(diǎn)，像經(jīng)驗(yàn)豐富的老師畫重點(diǎn)一樣，讓學(xué)生只學(xué)該學(xué)的，大幅提升效率。

在營銷端，記憶功能解決了企業(yè)最頭疼的“盲目投放”問題。當(dāng)企業(yè)沒有現(xiàn)成客戶畫像時(shí)，系統(tǒng)可基于開發(fā)者的記憶——即對目標(biāo)客戶的定位作為初始畫像，在茫茫人海中精準(zhǔn)捕獲潛在客戶。而通過記憶大量客戶的共同特征，系統(tǒng)能自動提煉出核心關(guān)注點(diǎn)并進(jìn)行二次強(qiáng)化。

無論是零售、醫(yī)療還是教育，這些看似風(fēng)馬牛不相及的場景，都在被同樣的痛點(diǎn)折磨：遺忘、割裂和重復(fù)勞動。

紅熊AI所做的，不僅是讓回答更準(zhǔn)確，更讓AI從即用即棄的問答機(jī)器，升級為可持續(xù)的智能服務(wù)體系。商業(yè)交互不再是零和博弈，而是一段段累積信任的關(guān)系。

4.從記憶到認(rèn)知，軟件硬件化

隨著推理能力快速普及，企業(yè)之間真正拉開差距的，是系統(tǒng)是否具備可復(fù)用的長期經(jīng)驗(yàn)。

剛過去的11月，谷歌新發(fā)的論文《Nested Learning: The Illusion of Deep Learning Architectures》驗(yàn)證了這一方向：單純卷參數(shù)的時(shí)代結(jié)束了，解決記憶災(zāi)難是通往AGI的必經(jīng)之路。

但谷歌需要重構(gòu)模型的神經(jīng)網(wǎng)絡(luò)架構(gòu)，乃至下一代芯片的配合。這是漫長的“遠(yuǎn)水”，而企業(yè)正面臨連續(xù)服務(wù)斷層的“近火”，必須盡快解決AI客服記不住客戶名字的問題，打通銷售與售后的數(shù)據(jù)孤島。

這正是紅熊AI的戰(zhàn)略卡位所在。相比于谷歌的宏大愿景，紅熊選擇用工程手段，直接為企業(yè)裝配安全可控的、即插即用的“工業(yè)級海馬體”。

溫德亮對「甲子光年」坦言，他低估了2025年AI應(yīng)用市場的爆發(fā)力。以往企業(yè)對AI多持觀望態(tài)度，現(xiàn)在AI應(yīng)用正在從邊緣走向核心，改變傳統(tǒng)軟件的應(yīng)用邏輯。

在此背景下，紅熊的野心不止于做一家賣Agent平臺的公司。

此次開源發(fā)布，紅熊提供的不僅是一個(gè)記憶層協(xié)議，更是一套可落地的Agent運(yùn)行環(huán)境，包括記憶系統(tǒng)、任務(wù)編排、工具調(diào)用、多模態(tài)輸入、權(quán)限體系。換句話說，不僅能接入記憶，也能直接用這套系統(tǒng)構(gòu)建、部署和運(yùn)營自己的AI員工。

當(dāng)所有的智能體都遵循同一套記憶標(biāo)準(zhǔn)時(shí)，信息壁壘將被徹底打破，記憶將連接萬物。但在溫德亮看來，記憶只是起點(diǎn)，紅熊AI最終追求的是從記憶到認(rèn)知的質(zhì)變。

“傳統(tǒng)機(jī)器人遞水需要拆解為30個(gè)機(jī)械步驟。而在認(rèn)知智能模式下，這一過程被簡化為三步：看到水、判斷主人渴了、遞過去。”溫德亮指出，“因?yàn)橛辛恕J(rèn)知’，系統(tǒng)不再是機(jī)械執(zhí)行指令，而是理解了行為背后的意義。”

這種認(rèn)知突破，終將從軟件走向硬件。

展望未來5到10年，溫德亮相信，人機(jī)共存將成為社會主流形態(tài)，紅熊AI也將同步推動記憶科學(xué)的“芯片化”，實(shí)現(xiàn)“軟件硬件化”的終極形態(tài)。

“我們的核心目標(biāo)是讓機(jī)器人實(shí)現(xiàn)‘換芯即換人格’，”溫德亮描繪了這樣一個(gè)未來，“未來的機(jī)器人，本地化記憶存儲在芯片中。無需復(fù)雜的后臺調(diào)試，插上這塊芯片，它就擁有了特定的性格、習(xí)慣和技能?！?/p>

從技術(shù)趨勢來看，這一天并不遙遠(yuǎn)。認(rèn)知智能的市場接受度或許在明年就會迎來突破。而紅熊AI正在做的，就是為這個(gè)即將到來的智慧時(shí)代，鋪設(shè)最底層的認(rèn)知鐵軌。

（封面圖來源：電影《記憶碎片》劇照。文中圖片來源：紅熊AI）