MemNet

项目定位

MemNet 是一个面向 AI Agent 的长期记忆层项目，核心目标是把会话、用户和智能体行为沉淀为结构化、可检索、可治理的长期记忆能力。

技术交付

记忆管理与隔离

设计 User / Session / Agent 多级记忆管理模型，支持不同粒度的记忆沉淀与调用。

通过 user_id / agent_id / run_id 等维度做多租户隔离，保证多智能体协作下的权限边界清晰。

为记忆对象建立创建、更新、归档、删除的生命周期管理能力，便于后续治理与审计。

记忆抽取与融合

设计 LLM 驱动的记忆抽取链路，从对话中自动提取事实、偏好、任务等结构化信息。

针对重复或冲突记忆设计 ADD / UPDATE / DELETE 判定逻辑，降低噪音记忆堆积。

引入记忆质量评估思路，确保写入结果在一致性、准确性和可解释性上可控。

双通道存储架构

向量侧负责语义召回，图数据库侧负责实体关系建模和可解释推理。

引入 Reranker 对 Top-K 结果进行重排序，提升检索精度和最终命中质量。

采用工厂模式封装 LLM、Embedding、VectorStore、GraphStore、Reranker 等创建接口，支持多 Provider 快速替换。

业务推进

对接奇绩创坛、极客公园、变量资本等机构，输出项目介绍与 Demo 演示材料。

将技术价值翻译为商业叙事，推动投融资沟通、项目定位与对外表达同步推进。