给个人 AI 智能体的
自进化记忆底座
让 Agent 越来越懂你。
自进化自我改进可解释可控制
from openai import OpenAI
client = OpenAI(
base_url="https://api.reglos.ai/v1", # ← 唯一需要修改的一行
api_key="<你的 API 密钥>",
)
resp = client.chat.completions.create(
model="gemini-2.5-flash",
user="alice", # ← 记忆归属到谁
messages=[{"role": "user", "content": "我周末喜欢做什么？"}],
)
print(resp.choices[0].message.content)已支持的接入方式
- OpenAI 兼容代理
- Python SDK
- TypeScript SDK
- LangChain
- LlamaIndex
- MCP Server
行业痛点
用户不会说「你的召回率低」，
他们只说「你忘了我说过的话」。
「我上次说的那件事呢？」
清理时无人记录原因。记住了，却在某次压缩中无声消失；去向无从查证，用户也不会接受「我忘了」。
「它对我的印象莫名其妙变了」
画像覆盖写入，今天的结论抹去昨天的。预算从二十万改为五十万之后，「你当初怎么想」再无答案。
「你为什么会想起这个？」
检索是黑箱。返回一条无关的记忆，无从追问，无法纠正；下一轮，它依然返回这条。
「我早就不在那家公司了」
只有一个时间戳，分不清「何时发生」与「何时得知」。前公司与新公司，被放进同一段上下文。
模型会换，供应商会换，监管不会松。
「说得清来龙去脉的记忆，才敢放进生产。」
一轮对话看差别
同一个问题，接入前后，是两种回答
「下周我要和老周谈合作，这个项目风险不小，我该怎么谈？」
给出通用的谈判技巧：BATNA、先报价还是后报价……它不知道老周是谁，不知道你在这件事上有过什么教训，也不知道你做事的原则。
老周性子急、喜欢口头敲定，你们上次就吃过口头约定的亏。按你一贯「先划风险边界、不做口头承诺」的原则，建议先肯定合作方向，再把风险与权责落到书面。语气缓和，给自己留缓冲。
这一句背后的两条记忆，均可展开
- 「上次吃过口头约定的亏」→ 回到 2025-11-02 的那段原始对话
- 「先划风险边界」→ 画像槽位 决策偏好/谨慎 · 可下钻到支撑它的每条事实
差别不在模型，而在于它是否认识你。它说的每一条，都可追溯来源。
问一个只有「记得你」的 AI 才答得上来的问题
机制
<自进化> 的记忆，怎么变的你都看得见
自进化，不是模型在训练自己，而是记忆在新陈代谢：新的到来，旧的不消失；每日整理；遗忘有据。持续生长，从不悄然改变。
01 / 03
新不覆旧：每一次修改，都是一次新增
每条记忆记两重时间：何时为真，何时得知。分开记录，才说得清它何时改变；不静默丢失、不静默篡改，才不只是口号。
| 记录 | 事实 | 成立于 | 失效于 | 记录于 | 退出于 |
|---|---|---|---|---|---|
| #1041 | 在 A 公司任职 | 2023-03-06 | — | 2023-06-12 | — |
| #1041 | 在 A 公司任职 | 2023-03-06 | 2024-01-20 | 2023-06-12 | 2024-02-03 |
| #2288 | 在 B 公司任职 | 2024-01-21 | — | 2024-02-03 | — |
#1041 没有被删除，也没有被改写。它只是被标记为「自 2024-01-20 起不再成立，由 #2288 取代」，原记录依然在。
自进化，具体是四件事
取代，不覆盖
旧记忆只标记「何时失效、被谁取代」，本身仍在。修改即新增，「你当初怎么想」永远有迹可循。
每日整理
你安静下来，它开始整理：对话凝成摘要，理解重新写过，进行中的事更新。洞察每日至多三条，不确定的不记。无需调用任何接口。
画像由记忆推演而来
对你的理解不是副本，而是从记忆推演而来。记忆变，理解随之变；删一条记忆，依赖它的理解随之消失。每一条理解，都有依据可查。
遗忘，要有缘由
忘什么，写明为什么，且可撤回：没有物理删除，只有标记。默认只给候选，由你决定。
记忆循环
在线进化，离线迭代
论文称之为 memory agent：它自主运行，而非聊天助手。
内层 · 每个用户
记忆随对话进化
每条事实只增不改，带着何时成立、何时得知。新偏好取代旧的，旧的仍在；要求遗忘的，过期并记下要求；每晚，一天的对话沉淀为画像。
外层 · 所有用户
它会修改自己的代码
编码智能体从失败记录中提出补丁；另一家模型评审，拒绝投机取巧；固定评测器在未见过的用户上验收，通过才合入。四步，准确率从 54.2% 到 60.7%。
机制图解
每条事实四个时间，外加「被谁推翻」的指针
How it works
- 01 · remember
写入，随后自动整理
对话、事实、文本、设备事件均可写入。新旧矛盾，旧的失效不删；空闲时自动整理。
- 02 · recall
检索，并说明为什么是它
多路并行融合；带 explain，给出每条的命中路径、名次与有效期。
- 03 · forget · explain
可恢复的遗忘，可追溯的来源
遗忘需写明理由，可撤回；删除对话，派生一并删除。每条记忆可追溯到来源与取代它的那条。
from memcore import Memcore
user = Memcore(api_key="mk_live_…").subject("alice")
user.remember("我住在上海，周末喜欢爬山。") # 写入
hits = user.recall("他住在哪里", explain=True) # 检索 + 为什么是它
user.explain(hits.facts[0].id) # 溯源到原始对话
user.forget(hits.facts[0].id, reason="抽错了") # 作废，不删
user.audit(limit=5) # 改动记录评测
Reglos 在三个基准上领先
PersonaMem-v2
- Reglos61.3%
- EverOS53.6%
- MemOS53.8%
- Mem045.0%
LongMemEval-S
- Reglos84.0%
- EverOS80.4%
- MemOS73.0%
- Mem065.6%
产品形态
三种形态，一个内核，两种部署
三种形态，一个内核。记什么、如何检索、来源何处、改过什么，只有一套逻辑。
Reglos App
每日回顾、主动提醒，越聊越懂你。
Memory API / SDK
将记忆接入你自己的产品：写入、检索、溯源、彻底删除。支持 Python、TypeScript 与 MCP。
智能硬件
跨设备共用的同一份时空记忆。
Reglos Cloud
托管 API，即刻接入。多租户隔离与行级安全在数据库层完成。
私有化部署
部署于你的 VPC，数据不出你的网络，使用你自己的模型凭证。
为什么是这四条
「静默」是记忆系统的头号敌人
六件事，都在我们自己的系统里发生过，也都已修复。共同点不是出错，而是出错却无声。四条能力由此而来。
- 静默少召回01
过滤发生在检索之后
pgvector 的 hnsw 索引只建在向量列上，不带租户字段，于是先取近邻、再按租户过滤。少召回了多少条，没有任何地方会告诉你。
- 静默消失02
掉 12 个点，零告警
一次多租户重构改了向量租户名的算法，之前写进去的向量全成了孤儿。向量库又开着自动建租户，查一个不存在的租户不报错，自动建个空的，返回空结果。准确率从 65.3% 掉到 53.3%。
- 静默换题集03
整组 191 题被丢掉，均分照算
第三方评测框架里，判官只要拿到一次空响应就抛异常，整组 191 题被丢掉，均分照样在剩下的 1349 题上算出来写进结果文件，只在末尾打了一行「1 groups had errors」。
- 静默损坏04
名叫 upsert，其实只会 insert
遇到已存在的 id 就抛 422，而调用点普遍包在 try/except 里，因为影子索引不该挡住真相的写入。于是所有「更新已有向量」的写入长期失败，向量和事实文本慢慢对不上。
- 静默污染05
「大家」「国家」「专家」都含「家」
单字中文别名做子串匹配，把这些词全判成了「家庭场景」。检索结果一直是脏的，日志里却没有一行是红的。
- 静默漏计06
没计上量，就是没收到钱
计量失败不该把我们的 Redis 抖动变成客户的 5xx，所以它不拦请求。但必须记日志，不然账单上就少了一笔，谁也不知道。
六件事，没有一件报错。四条能力归根结底只做一件事：让沉默的系统开口。
定价
按用量计费，私有化部署另议
记忆是积累的资产，计费不应迫使你删除。写入与检索分开计价，存储不随时间涨价。
价格以商务确认为准。企业方案可按部署范围、设备规模、年度用量与 QPS 需求定制。