我花了10天構建了一個AI記憶引擎，然後需要一個項目來證明它有效

Parametric Memory 近日發佈了一款創新的AI記憶引擎，旨在為人工智能系統提供持久、可驗證的記憶存儲。該產品基於密碼學數學構建，而非近似或模糊相似性搜索，確保每一個聲明都是可證明的，每一個數字都在生產中測量。

記憶引擎的核心是Merkle樹，每個原子（記憶單元）都被加密提交到SHA-256 Merkle樹中，遵循RFC 6962標準。任何篡改都會導致根哈希變化，AI客户端可以在不信任服務器的情況下驗證完整性。相比原始證明，這種機制可節省37%的令牌。

為了提升訪問速度，系統採用可變階馬爾可夫鏈預測用户接下來可能訪問的原子，並在查詢到達前預取上下文。權重按0.5^(days/7)衰減，使近期記憶更加重要。在生產環境中，預測命中率達到64%。

在檢索性能方面，引擎實現了0.045毫秒的p50延遲和1.2毫秒的p99延遲。這得益於LevelDB和基於JumpHash的哈希分片，將數據分佈在4個獨立的Merkle樹上。專用實例意味着零爭用，沒有共享集羣或噪聲鄰居。

作為MCP原生系統，它提供超過25個工具，使用Streamable HTTP MCP傳輸，兼容Claude、Cowork等任何MCP兼容客户端。認證採用OAuth2和Bearer令牌。

架構設計清晰：原子到達後立即哈希並提交到Merkle樹；JumpHash將鍵路由到分片；馬爾可夫記錄轉換並更新權重；讀取時返回包含審計路徑的證明。

值得一提的是，Parametric Memory 自身也使用這一產品。所有計費事件、健康檢查、客户註冊和架構決策都作為Merkle密封的原子存儲在自己的MMPM基座上。目前生產環境中已密封超過821個原子，馬爾可夫命中率64%，召回延遲p50為0.045毫秒。

定價從每月5美元開始，提供30天退款保證，支持隨時取消。選項包括入門版（5美元）、單人版（9美元）、專業版（29美元）、團隊版（79美元）、企業雲版（299美元）和自託管版（499美元）。每個實例都有自己的Merkle樹，並非數據庫中的一行。