我已經和MemSync呆了幾天了，我一直關注的不是它的功能本身，而是它底層的基礎設施……
這是機制。MemSync從對話、文檔、網站、社交資料中提取記憶，全部使用TEE驗證的LLM調用。所以它不僅僅是在存儲你告訴它的東西。提取過程本身是經過加密證明的。然後，記憶被分類爲語義性持久事實，比如"谷歌的軟件工程師"，或者時間綁定的情節，比如"目前正在開發一個iOS應用"。這個區別很重要，因爲系統在檢索時會以不同的方式對待它們……
這不是一個數據庫，而是一個活生生的檔案。
然後還有語義搜索層，我覺得這是大多數人直到需要它時纔會考慮的部分。你使用自然語言查詢你的記憶，通過基於嵌入的相似性。你不必準確記住你告訴它的內容，它會爲你找到相關的上下文……
我在某種程度上覺得這很安慰。整個記憶管道在可驗證的基礎設施上運行：提取、分類、檔案生成、維護。這意味着構建你記憶檔案的AI本身是可驗證的，而不僅僅是存儲……
但我不會假裝可驗證的記憶提取和準確的記憶提取是一樣的。LLM決定什麼算作語義事實與情節事件可能仍會出現錯誤分類，這種情況可能會隨着時間的推移而加劇……
大約一年前，我開始使用一個流行的AI記憶工具，經過大約三個月後，我意識到它存儲的是表層觀察，而不是任何真正有用的東西。檢索速度快，但記憶很淺。這讓我更深入地思考提取質量究竟意味着什麼……
我仍然無法解決的是，如果一個情節事實過時，而一個新的事實與之矛盾，MemSync如何處理衝突的記憶？系統會覆蓋、標記衝突，還是同時保留兩個版本？
@OpenGradient $OPG
#OPG