AI终于有了"记忆"——MIRIX革命性突破，让每个人都能拥有专属数字大脑 原创

想象一下，如果你的AI助手能记住你的每一次对话、每一个偏好，能够真正理解你记住你做过的事情…

加州大学圣迭戈分校博士生Yu Wang与纽约大学教授Xi Chen合作提出了MIRIX —— 全球首个真正具备多模态长期记忆的AI系统，项目同时发布了可直接使用的Mac桌面应用。

解决什么问题？

现有AI助手的一个明显局限是缺乏持续记忆能力。每次对话结束后，之前的交互信息就会丢失。RAG（检索增强生成）虽然能补充一些信息，但在处理多模态数据和长期记忆方面仍有不足。

MIRIX的技术方案

六模块记忆架构

与一般系统将记忆分为长期记忆和短期记忆不同，MIRIX将AI记忆分为六个功能模块：

• 核心记忆：存储用户基本信息和偏好
• 情景记忆：记录按时间排序的事件和对话
• 语义记忆：保存概念性知识和事实
• 程序记忆：存储操作流程和任务步骤
• 资源记忆：管理文档、截图等工作资料
• 知识金库：安全存储敏感信息

多智能体协作架构

MIRIX采用分层管理的多智能体系统，包含1个元记忆管理者（Meta Memory Manager）和6个专门的记忆管理者。

元记忆管理者的职责：

• 分析输入内容，判断应该激活哪些记忆模块
• 协调各个记忆管理者的工作流程
• 处理记忆检索请求的路由分发
• 监控整个记忆系统的运行状态

六个专门管理者分工：每个记忆模块都有专门的管理者负责：

• 核心记忆管理者：维护用户基本信息，当容量超过90%时自动重写压缩
• 情景记忆管理者：按时间戳记录和索引事件，支持时间范围查询
• 语义记忆管理者：构建和维护概念知识图谱，处理实体关系
• 程序记忆管理者：结构化存储操作流程，支持步骤化调用
• 资源记忆管理者：管理多模态资源的存储和检索
• 知识金库管理者：处理敏感信息的加密存储和权限控制

工作流程：

记忆更新流程：

1. 用户输入（对话或屏幕截图）触发全局记忆搜索
2. 元管理者分析内容，确定需要更新的记忆模块
3. 相关的专门管理者并行处理更新任务，去除重复信息
4. 更新完成后，元管理者汇总结果并通知系统进入下一轮

记忆检索流程：

1. 聊天代理根据用户问题自动生成检索主题
2. 元管理者将检索请求分发到相关的记忆模块
3. 各专门管理者从自己的模块中检索top-k相关信息
4. 检索结果按来源标记（如<episodic_memory>、<semantic_memory>等）
5. 聊天代理基于检索到的记忆信息生成回答

这种多智能体设计确保了记忆系统的高效运行，避免了单一智能体处理复杂记忆任务时的性能瓶颈。

性能表现

ScreenshotVQA测试（基于45,000张高分辨率截图）：

• 相比RAG方法，准确率提升35%，存储开销降低99.9%
• 相比长文本方法，准确率提升410%，存储开销降低93.3%

LOCOMO长对话测试：

• 准确率达到85.4%，超越所有现有记忆系统

桌面应用

访问 mirix.io 可直接下载Mac版应用程序：

1. 安装后配置Gemini API Key
2. 应用会自动记录屏幕活动和对话
3. 通过可视化界面查看和管理记忆
4. 与AI助手对话时能调用历史信息
5. 应用场景如下：

• 工作助手：基于历史项目经验协助写作申请或报告：
• 活动回顾：回顾某一时间段的工作内容和进展
• 记忆可视化（下图是一个Semantic Memory的示例

隐私和安全

所有记忆数据存储在本地SQLite数据库中，不会上传到云端。敏感信息通过知识金库模块进行加密存储和访问控制。

项目信息

• 论文：https://arxiv.org/abs/2507.07957
• 官网：https://mirix.io/
• 开源：https://github.com/Mirix-AI/MIRIX
• 应用下载：https://mirix.io/（Mac版）

MIRIX为AI记忆系统提供了一个完整的解决方案，既有学术研究价值，也提供了实际可用的应用程序。对于需要长期记忆能力的AI应用场景，这个项目提供了可行方案。

本文转载自​​AI-PaperDaily​​，作者：MIRIX AI