想象一下，如果你的AI助手能記住你的每一次對話、每一個偏好，能夠真正理解你記住你做過的事情…

加州大學圣迭戈分校博士生Yu Wang與紐約大學教授Xi Chen合作提出了MIRIX —— 全球首個真正具備多模態長期記憶的AI系統，項目同時發布了可直接使用的Mac桌面應用。

解決什么問題？

現有AI助手的一個明顯局限是缺乏持續記憶能力。每次對話結束后，之前的交互信息就會丟失。RAG（檢索增強生成）雖然能補充一些信息，但在處理多模態數據和長期記憶方面仍有不足。

MIRIX的技術方案

六模塊記憶架構

與一般系統將記憶分為長期記憶和短期記憶不同，MIRIX將AI記憶分為六個功能模塊：

• 核心記憶：存儲用戶基本信息和偏好
• 情景記憶：記錄按時間排序的事件和對話
• 語義記憶：保存概念性知識和事實
• 程序記憶：存儲操作流程和任務步驟
• 資源記憶：管理文檔、截圖等工作資料
• 知識金庫：安全存儲敏感信息

多智能體協作架構

MIRIX采用分層管理的多智能體系統，包含1個元記憶管理者（Meta Memory Manager）和6個專門的記憶管理者。

元記憶管理者的職責：

• 分析輸入內容，判斷應該激活哪些記憶模塊
• 協調各個記憶管理者的工作流程
• 處理記憶檢索請求的路由分發
• 監控整個記憶系統的運行狀態

六個專門管理者分工：每個記憶模塊都有專門的管理者負責：

• 核心記憶管理者：維護用戶基本信息，當容量超過90%時自動重寫壓縮
• 情景記憶管理者：按時間戳記錄和索引事件，支持時間范圍查詢
• 語義記憶管理者：構建和維護概念知識圖譜，處理實體關系
• 程序記憶管理者：結構化存儲操作流程，支持步驟化調用
• 資源記憶管理者：管理多模態資源的存儲和檢索
• 知識金庫管理者：處理敏感信息的加密存儲和權限控制

工作流程：

記憶更新流程：

1. 用戶輸入（對話或屏幕截圖）觸發全局記憶搜索
2. 元管理者分析內容，確定需要更新的記憶模塊
3. 相關的專門管理者并行處理更新任務，去除重復信息
4. 更新完成后，元管理者匯總結果并通知系統進入下一輪

記憶檢索流程：

1. 聊天代理根據用戶問題自動生成檢索主題
2. 元管理者將檢索請求分發到相關的記憶模塊
3. 各專門管理者從自己的模塊中檢索top-k相關信息
4. 檢索結果按來源標記（如<episodic_memory>、<semantic_memory>等）
5. 聊天代理基于檢索到的記憶信息生成回答

這種多智能體設計確保了記憶系統的高效運行，避免了單一智能體處理復雜記憶任務時的性能瓶頸。

性能表現

ScreenshotVQA測試（基于45,000張高分辨率截圖）：

• 相比RAG方法，準確率提升35%，存儲開銷降低99.9%
• 相比長文本方法，準確率提升410%，存儲開銷降低93.3%

LOCOMO長對話測試：

• 準確率達到85.4%，超越所有現有記憶系統

桌面應用

訪問 mirix.io 可直接下載Mac版應用程序：

1. 安裝后配置Gemini API Key
2. 應用會自動記錄屏幕活動和對話
3. 通過可視化界面查看和管理記憶
4. 與AI助手對話時能調用歷史信息
5. 應用場景如下：

• 工作助手：基于歷史項目經驗協助寫作申請或報告：
• 活動回顧：回顧某一時間段的工作內容和進展
• 記憶可視化（下圖是一個Semantic Memory的示例

隱私和安全

所有記憶數據存儲在本地SQLite數據庫中，不會上傳到云端。敏感信息通過知識金庫模塊進行加密存儲和訪問控制。

項目信息

• 論文：https://arxiv.org/abs/2507.07957
• 官網：https://mirix.io/
• 開源：https://github.com/Mirix-AI/MIRIX
• 應用下載：https://mirix.io/（Mac版）

MIRIX為AI記憶系統提供了一個完整的解決方案，既有學術研究價值，也提供了實際可用的應用程序。對于需要長期記憶能力的AI應用場景，這個項目提供了可行方案。

本文轉載自??AI-PaperDaily??，作者：MIRIX AI