Harness 与 Agent 工程 · 上下文与记忆 · 2025-12-04

雇佣过目即忘的天才:为什么企业级AI总在浪费钱?| 甲子光年

企业级AI为何总是“健忘”?红熊AI开源记忆系统,让AI从临时工变老员工。

核心内容:

  1. 当前企业AI面临的核心痛点:缺乏长期记忆导致业务割裂
  2. 红熊AI的创新解法:开源记忆系统实现动态知识沉淀
  3. 记忆技术将重塑AI应用范式:从算力竞争转向认知能力进化

智能,并非由算力堆砌而来。

无论是人类大脑还是硅基系统,维持稳定判断的前提只有一个:记住过去,才能读懂现在。没有记忆,再聪明的推理也只能停留在临场反应。

在克里斯托弗·诺兰的电影《记忆碎片》中,主角拥有完整的旧记忆,但在一场意外后无法形成新的长期记忆,他只能依靠拍立得和纹身保持与世界的连接。今天的AI Agent也是如此:学习过静态知识库,可以执行任务;但却缺乏连续性,动态数据割裂。

行业的主流解法是给大模型外挂RAG(检索增强生成),但这更像是给健忘的人配了一本字典。它解决的是“查阅”问题,而非“认知”问题。

成立于2024年的红熊AI给出了新解法:智能不取决于你知道多少,而取决于你记住了什么。其核心产品“记忆熊”(Memory Bear)近日宣布开源。这一整套记忆系统结合Agent平台,让企业真正拥有了“长期记忆的AI员工”。

“我们不是在造神,而是在造帮人类解决问题的工具。”红熊AI创始人兼CEO、记忆熊首席科学家温德亮对「甲子光年」表示。

在模型能力日益趋同的今天,AI正从算力之争,走向记忆之争。

1. 做了RAG,业务还是上不去?

想象一下:你花重金挖来一位智商超群的CXO。他博闻强识,反应敏捷,但有个致命缺陷:记忆如同金鱼般短暂。上午处理过的投诉,下午忘得一干二净;换个办公室,不认识老客户了。

听起来荒诞,却是当下企业部署AI的现实。模型的回答足够聪明,但业务准确度支离破碎。为了唤醒这位“健忘的天才”,企业被迫花费大量token重新训练,支付着昂贵的“记忆税”。

这意味着什么呢?意味着客服不知道销售的承诺,销售不知道售后的进度。同一位用户不得不向AI重复3遍问题,导致负面情绪堆积。

这种割裂同样发生在模型之间:多个Agent各自独立形成数据孤岛,无法共享上下文记忆,协作效率极低。

深入AI客服业务时,温德亮对此深有体会。他发现无论模型参数多大,推理性能再优秀,业务回答的准确率始终卡在瓶颈期,无法满足B端严苛的交付标准。

“为了解决这个问题,我们最初尝试过行业许多标准解法:外挂RAG或拉长上下文窗口、训练模型、优化参数等等。”温德亮向「甲子光年」回忆。但现实给了团队一记闷棍:这些方案本质上是“黑盒”。企业把文档塞进去,却无法控制系统记住了什么、遗忘了什么。

结果是,系统变成了只进不出的“信息垃圾桶”,模型幻觉频发。就像老师把整本书丢给学生,却不告诉他哪些是考点。

失败的尝试,让温德亮意识到:企业需要的不是一个更厚的笔记本。要想让AI从工具变成能协作的智能体,必须让历史真正影响未来,而不是仅仅被检索到。

这成为了红熊AI诞生的原点——放弃修补,彻底重构,打造一套透明可控的记忆操作系统,完全围绕实际业务需求进行记忆的结构化处理,让AI可以如同人类一样产生灵活的记忆能力。

在温德亮看来,若不进行结构化,AI无法有效调用信息,更无法进行逻辑校验。他举了一个生动的例子:“‘巴黎是法国首都’是常识。但若有人多次误导AI说‘巴黎不是’,传统模型极易受‘近因效应’干扰产生错误认知。”

红熊的系统则不同,它通过规则验证机制甄别矛盾信息,拒绝写入错误认知。这种能力让AI拥有了“批判性思维”,不再是人云亦云的复读机。

自2024年11月立项以来,红熊AI在荒原上依靠商业化验证摸索,试图将人类记忆的核心动作——编码、存储、校准全部做成标准化的工程系统。

对于企业而言,模型可以被替代,但经验不能;算法可以共享,但记忆沉淀无法复制。当所有的竞争对手都用上同样的模型时,唯一的护城河,是企业拥有的私有记忆资产。

真正的智能差异,将由记忆沉淀拉开。

2. 如何构建可进化的记忆层架构?

**

**

拒绝做简单外挂缓存的记忆熊,主要致力于在工程层面复现人类记忆的复杂机制,通过逻辑联想、隐性感知、语境校准、智能遗忘等步骤,构建了完整的记忆闭环。

重构始于对连接方式的质疑。在目前的AI技术栈中,向量数据库几乎是标配。虽然它处理简单问答效率极高,但其“相似度匹配”的原理本质上还是查字典,缺乏生物大脑触类旁通的弹性。

为了突破这一局限,记忆熊构建了基于动态图谱的逻辑联想机制。

这就像人类听到“咖啡”,下意识联想到的不仅是饮料,还有早晨、通勤和提神。在传统AI眼中,“会开车”只是孤立标签;在新架构下,它被标记为需要长期固化的技能。这种从机械匹配到动态语义网络的跨越,让AI拥有了类似人类的联想本能。

逻辑推理只是起点,更深层的挑战在于捕捉“不可言说”的潜台词。旧系统只能记住用户“说了什么”,却忽略了“没说什么”。

为此,记忆熊引入了独立的隐性记忆引擎。当用户抱怨“冷”时,传统模型等待指令,而该引擎会联动室温与季节背景,自动推荐围巾。甚至当一位用户再次接入服务时,记忆熊回忆起的不仅是上次的投诉内容,还有当时他愤怒的情绪值…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/zhinengkefu/2025120413905.html