联想记忆
记忆服务
与角色共同成长的记忆。AMS 会将每次互动记录为情景，将观察整合为可复用知识，并沿关联路径检索相关经验，模拟人类的回忆方式。
AMS 的差异化能力
- 通过关联回忆，而不是关键词匹配
- 从预置记忆开始，而不是空白状态
- 随着每次互动持续成长
- 可观察、可修正，并将安全性内建于架构之中
传统方案的问题
检索，不等于记忆。
传统方案只能查找与查询匹配的文档。它们不会真正记住信息，不会形成关联，也不会随着经验持续成长。AMS 基于完全不同的理念：记忆不是搜索问题，而是一种由相互连接的经验构成、持续演化的结构。
| 对比维度 | AMS | 传统方案 |
|---|---|---|
| 记忆模型 | 关联图谱、语义记忆与情景记忆组成的多层结构 | 单一文本索引或上下文窗口 |
| 回忆方式 | 图谱遍历与语义相似度结合 | 仅使用 Top-K 关键词匹配 |
| 初始状态 | 将完整人生经历作为初始记忆预先加载 | 从空上下文开始，再由文档填充 |
| 成长能力 | 记忆随每次互动增长并建立连接 | 静态文档存储，不会演化 |
| 控制能力 | 用户可搜索、编辑和删除自己的运行时记忆 | 无法查看存储了什么，也不知道为何存储 |
| 隐私保护 | 用户数据与角色 IP 严格分离，且不用于模型训练 | 用户数据与训练流程混合，缺乏隔离 |
| 身份一致性 | 在记忆层中执行每个角色独立的边界规则 | 仅依赖通用内容过滤器，无法识别角色设定 |
| 行为机制 | 受控的场景转换与预先设计的故事路径 | 只能被动响应，没有行为发展路径 |
| 效率 | 仅向智能体提供与当前任务相关的有限上下文 | 将完整对话记录全部塞入上下文窗口 |
记忆层
四层记忆架构。
AMS 将多种记忆机制整合到同一系统中。每一层承担不同职责，共同构建更接近人类的记忆体验。
情景式记忆
每次互动都会被记录为一个持续演化的情景。对话、事件与观察按时间顺序保存，形成角色最原始的经验流。
整合知识
系统会从每段经历中提取事实与观察，并整合为紧凑、可复用的知识单元。角色不仅记得发生了什么，也能理解自己从中学到了什么。
关联图谱
知识被组织为相互连接的概念网络。当角色回忆起某个人时，也会同时联想到相关地点、情绪与事件。记忆通过关联路径被唤起，而不是依赖简单搜索。
语义回忆
基于向量的检索机制支持模糊匹配和语义层面的回忆。即使表达方式并不完全一致，角色也能找到相关记忆。
安全架构
三套彼此独立的保护回路。
角色可以适应变化，但不会失去控制。三套独立安全回路并行运行，分别保护角色设定、行为发展路径以及用户记忆边界。
身份保护
保护角色的性格设定与知识边界。系统会识别试图让角色脱离设定、超出其知识范围或做出与身份不一致行为的请求。响应会在发送给用户之前接受检查，并在必要时被调整或拦截。
场景守卫
保护角色的行为发展路径。预先设计的场景结构定义角色故事、情绪状态与关系阶段应如何演进。角色无法重写、跳过或删除这些结构。所有行为转换都会根据既定路径进行验证。
记忆范围锁定
防止私人记忆在不同用户或会话之间泄露。访问范围根据经过身份验证的用户信息与会话令牌计算，而不是依赖请求正文中的参数。用户运行时记忆无法修改角色配置，其他用户的记忆也无法进入当前用户范围。
为什么需要三套回路： 每套回路彼此独立，即使其中一套受到影响，也无法绕过另外两套。即使角色保持设定（回路 1）并遵循故事路径（回路 2），也仍然无法访问其他用户的记忆（回路 3）。这是一套从架构层实现的纵深防御机制。
记忆架构
三层记忆，边界清晰。
AMS 将三类记忆严格隔离。这不仅是技术实现细节，更是保护用户隐私并满足数据保护法规要求的基础。
用户运行时记忆
在你与角色互动过程中形成的记忆，包括消息、情景、偏好、事实、向量表示以及与你的账户关联的图谱连接。该层用于个性化，并完全由你控制：你可以随时查看、编辑、删除或导出。
角色配置记忆
包含角色的身份、性格参数、行为规则、场景约束与领域知识。这些内容由创作者与编辑人员维护，用于确保角色行为稳定，不包含任何特定用户的个人数据。
聚合与合成经验
由模拟环境、合成场景、编辑内容以及经过可靠去标识化处理的聚合模式构成的一般经验结构。个人对话或可识别用户数据不会进入这一层。如果数据无法被可靠去标识化，则会继续保留在用户运行时记忆中。
核心原则： 用户运行时记忆不会与角色配置或聚合经验混合。删除运行时记忆只会移除你的个人数据，不会影响角色的身份或通用知识。
核心能力
不是存储层，而是真正的记忆系统。
关联回忆
角色不会通过关键词直接检索记忆，而是沿着相互连接的概念关系进行探索，以接近人类思维自然流动的方式找到相关记忆。
初始记忆
角色不会从空白状态开始，而是在首次互动前就加载完整的人生记忆，包括身份、关系、经历与行为历史。
成长型记忆
每次对话都会成为角色经验的一部分。新的关联不断形成，已有连接持续加强，角色的知识会随着每次互动而演化。
用户可控的运行时记忆
当你与角色互动时，系统会为你创建独立的运行时记忆层。你讨论过的内容、偏好与共享经历都属于你的个人数据。你可以随时浏览、搜索、编辑或删除。
角色经验层
角色通过模拟环境、编辑内容以及经过可靠去标识化处理的聚合模式形成通用知识。这属于服务配置与共享经验，而不是个人数据，也无法追溯到任何特定用户。
行为边界
每个角色都在运行时强制执行的安全边界内运行。身份保护、话题限制与适当响应处理并非后期附加，而是直接内建于记忆系统。
场景感知型行为
角色不只是被动回应，而会沿着预先设计的路径发展。场景结构通过受控转换引导角色行为演化。故事线、情绪变化与关系阶段都在角色无法自行覆盖的边界内展开。
有限上下文
智能体接收的不是无限消息记录，而是经过严格筛选的上下文包。系统会判断当前时刻真正相关的信息，并只传递必要内容，从而保持交互快速、聚焦且具有成本效率。
范围优先的记忆隔离
记忆在物理层面被划分为全局、用户级和会话级范围。角色的通用知识、用户个人互动历史与单次会话记忆严格分离，任何范围都不能泄露到其他范围。
细粒度记忆控制
你可以按任意粒度搜索、查看、编辑或删除单个记忆实体、关联关系以及完整结构，精准控制系统记住什么、忘记什么。
隐私保护内建于架构
用户运行时记忆与角色记忆严格分离。删除个人数据不会影响角色身份。用户数据不会用于模型训练、不会被出售，也不会与第三方共享。
多品牌隔离
每个产品或品牌都拥有独立的记忆空间。一个产品中的角色不会与另一个产品共享或泄露记忆，隔离机制从基础架构层开始执行。