全球首次，「AI記憶」開源落地！MIRIX同步上線APP
還記得第一次用 GPT 寫郵件的驚喜嗎？卻也一定遇到過今天的 AI「忘性」——聊得再深入，窗口一關(guān)，歷史煙消云散。
因此，研究人員認為：從「對話」到「記憶」，將是AI進化的必經(jīng)之路。
- 大模型 1.0時代是「即問即答」，算力與參數(shù)狂飆，卻只能做幾分鐘的「短暫陪伴」。
- 大模型 2.0進入「RAG 補丁」，把資料「現(xiàn)查現(xiàn)貼」，救急卻臃腫。
- 大模型 3.0則是「MIRIX登場」，第一次把「多模態(tài)長期記憶」寫進AI的底層操作系統(tǒng)。
研究人員推出并開源MIRIX，全球首個真正意義上的多模態(tài)、多智能體AI記憶系統(tǒng)。
論文鏈接：https://arxiv.org/abs/2507.07957
官方網(wǎng)站：https://mirix.io/
開源倉庫：https://github.com/Mirix-AI/MIRIX
在ScreenshotVQA這一需要深度多模態(tài)理解的挑戰(zhàn)性基準上，MIRIX的準確率比傳統(tǒng)RAG方法高出35%，存儲開銷降低99.9%，與長文本方法相比超出410%，開銷降低93.3%。
在LOCOMO長對話任務(wù)中，MIRIX以85.4%的成績顯著超越所有現(xiàn)有方法，樹立了新的性能標桿。
與此同時，研究人員在Mac端上線了一款應用產(chǎn)品，通過這款開箱即用的應用程序，終于可以為每個人構(gòu)建專屬于自己的AI個人助理。
桌面端APP使用場景
直接訪問官方網(wǎng)站，即可直接下載APP:
教程鏈接：https://docs.mirix.io/getting-started/installation/#quick-installation-dmg
安裝完成并設(shè)置好Gemini API Key，一切就緒后，它便會悄悄啟動，開始記錄你的電子生活點滴，編織出一份只屬于你的數(shù)字記憶。
所有記憶都可以直觀地可視化：
你也可以直接和智能Agent對話，它不僅能回答你關(guān)于記憶和過往活動的任何問題，還能在需要用到你歷史信息的場景下提供幫助。
以下是一些互動示例，感受一下它如何變成你的專屬數(shù)字助理：
幫我寫一個Meta的工作申請
告訴我我今天做了什么
一套全新的思路
大家通常會將記憶分成Long-Term Memory（長期記憶）和Short-Term Memory（短期記憶），但這其實是一個誤區(qū)，這是人類記憶的方式。
但是，對于大模型，只區(qū)分長短期是不夠的，研究人員首次提出將memory分成如下六個模塊：
核心記憶（Core Memory）: 存儲關(guān)鍵且持久的信息，如用戶姓名、喜好、助手人格特征等。分為 human 和 persona 兩大塊，當容量超過 90% 時會自動重寫以保持精煉。
情景記憶（Episodic Memory）: 記錄按時間戳排序的事件，如用戶的一次操作或?qū)υ挕Ｃ織l條目包含事件類型、摘要、詳情、主體與時間，方便檢索近期行為。
語義記憶（Semantic Memory）: 存儲抽象概念和事實，如「Harry Potter 的作者是 J.K. Rowling」或「John 是用戶的朋友」。每條信息載有名稱、摘要、詳情與來源，便于建立用戶知識圖譜。
程序記憶（Procedural Memory）: 專注于任務(wù)流程和操作指南，例如「如何部署應用」、「設(shè)置 Zoom 會議」等。條目由流程類型、描述與步驟組成，支持結(jié)構(gòu)化調(diào)用。
資源記憶（Resource Memory）: 保存用戶當前正在處理的文檔、截圖、語音等資源。使用條目包括標題、摘要、資源類型及全文或摘要內(nèi)容，以便任務(wù)連續(xù)性回溯查詢。
知識金庫（Knowledge Vault）: 用于儲存敏感信息，如 API Key、密碼、聯(lián)系方式等。帶有敏感等級（低/中/高），并設(shè)置訪問控制和加密機制，確保安全不被隨意調(diào)用。
多智能體工作流（Multi-Agent Workflow）
由于記憶系統(tǒng)相對復雜，我們需要一個多智能體系統(tǒng)來控制這樣的記憶系統(tǒng)。
MIRIX 中設(shè)置了 一位 Meta Memory Manager（元記憶管理者） 與 六位子 Memory Manager（記憶子模塊），如下配合：
更新流程（Memory Update Workflow）
1.輸入觸發(fā)：屏幕截圖或?qū)υ捿斎脒M入系統(tǒng)，首先觸發(fā)全局記憶搜索。
2.路由分析：Meta Manager 判斷哪些 memory component 相關(guān)，決定路由方向。
3.并行更新：對應的 Memory Manager 接手更新條目，去除冗余。
4.匯報完成：所有更新完畢后，Meta Manager 通知系統(tǒng)，進入下一輪
檢索與對話流程（Retrieval & Chat Workflow）
1.主動檢索（Active Retrieval）：用戶問問題時，Chat Agent 先用 LLM 自動生成一個「topic」。
2.多 memory 檢索：依 topic 從六個 memory component 中檢索 topk 信息。
3.拼接響應：檢索內(nèi)容按來源打標簽（如 <episodic_memory>...</episodic_memory>），輸入系統(tǒng) prompt。
4.自然回答：結(jié)合檢索信息給出對話答復。
5.若有新信息：系統(tǒng)會將用戶新輸入路由至相關(guān)記憶模塊進行補充
性能飛躍：遠超RAG基準及其他記憶系統(tǒng)
研究人員從三個學生的電腦上獲得了累計超過4萬5千張高分辨率屏幕截圖，并基于這些屏幕截圖構(gòu)建了一系列的問題，從而得到ScreenshotVQA Dataset。
數(shù)據(jù)集規(guī)模：每個序列包含近2萬張高分辨率截圖，情景復雜、多模態(tài)混合，無其他系統(tǒng)可用。
對比模型
Gemini：Long Context方法。
SigLIP@50：檢索增強生成系統(tǒng)，我們提取最相關(guān)的50張圖片并輸入給大模型回答問題。
MIRIX：提出的方法。
性能結(jié)果
相比于RAG，MIRIX提升性能35%，存儲降低99.9%；
相比于Long Context方法， MIRIX存儲降低93%，性能提升410%。
數(shù)據(jù)集場景
單模態(tài)文本對話，包含600個對話、平均2.6萬 token長，強調(diào)模型跨上下文的長期記憶能力。
對比模型：包括LangMem、Zep、Mem0、RAG-500等多個記憶增強與檢索系統(tǒng)。
MIRIX表現(xiàn)：整體準確率達85.4%，創(chuàng)下新的SOTA記錄，遠超其他基線。
結(jié)語
MIRIX標志著大模型進入了一個全新的發(fā)展周期 —— 從「即時對話生成」躍升至「長期記憶驅(qū)動的智能心智」。
更重要的是，MIRIX 不只是一個科研成果，團隊同步推出了桌面?zhèn)€人助理應用，支持即時采集多模態(tài)數(shù)據(jù)，并以可視化樹狀結(jié)構(gòu)管理記憶。所有 memory 均存儲于本地 SQLite，全面守護用戶隱私。
現(xiàn)在就可以下載安裝，體驗MIRIX為你構(gòu)建全新的記憶系統(tǒng)，做一個可以記住你的AI個人助理。
