MemNet

项目定位

MemNet 是一个面向 AI Agent 的长期记忆层项目，上海交通大学工业技术创新研究院（I3）入孵项目，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

记忆写入链路

对话输入 → LLM 抽取事实/偏好/任务 → 结构化记忆对象 → 冲突/重复判断 → ADD/UPDATE/DELETE 操作。

LLM 驱动的记忆抽取：从对话自动提取事实、偏好、任务等结构化信息，对重复/冲突记忆自动判定 ADD/UPDATE/DELETE。

记忆对象建立创建、更新、归档、删除的生命周期管理能力。

双通道记忆检索

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。

用户查询 → 向量召回 → 图关系补充 → Reranker 重排 → 记忆片段注入上下文。

多租户隔离与可插拔架构

通过 user_id/agent_id/run_id 区分用户、智能体和运行会话，避免跨用户/跨 Agent 记忆污染。

采用工厂模式封装 LLM、Embedding、VectorStore、GraphStore、Reranker 创建接口，支持 Qdrant/Chroma/FAISS、Neo4j/Memgraph 等后端快速替换。

运营推进

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。

统筹技术研发与运营推进节奏，围绕外部反馈形成需求清单与优先级。

牵头准备商业计划书与路演材料，覆盖价值主张、融资与市场规划等模块。