記憶模型V3：結合AEIL壓縮的LTM/STM架構，面向AI
本文介紹了一種面向對話AI助手的完整記憶架構，包括短期記憶（STM）和長期記憶（LTM），以及內部AEIL語言用於壓縮和安全。核心原則是“鉛與棉”：內部儲存高密度資訊，向使用者提供流暢體驗。系統包含隱形上下文旁路、每條訊息時間戳、重要性層級等機制，旨在提升效率、個性化和安全性。
Anthony William Staiger與Anthropic（透過Claude）聯合提出了一種創新的AI記憶架構——Memory Model V3。該架構針對對話式AI助手設計，旨在提升流暢性、個性化、安全性和效率。其核心元件包括短期記憶（STM）用於會話上下文，長期記憶（LTM）用於持久化使用者事實和偏好，以及一種名為AEIL（人工智慧專用內部語言）的壓縮和安全協議。
架構的核心理念被比喻為“鉛與棉”：1公斤鉛和1公斤棉花重量相同，但體積差異巨大。當前系統儲存的是“棉花”——大量低資訊密度的內容。理想狀態是內部儲存“鉛”——經過壓縮的高密度關鍵資訊，而向使用者交付“棉花”——廣泛、流暢的體驗。這樣，即使免費使用者也能在有限token配額下獲得與付費使用者相當的體驗。
針對token消耗和歧義問題，系統提出了簡潔的解決方案：當遇到歧義詞（如“bank”）時，與其進行復雜的機率計算（多級級聯計算仍可能有25-40%錯誤率），不如直接詢問使用者以明確意圖。這僅消耗2個token，零計算成本，且100%準確，同時促進更自然的對話。
Memory Model V3還引入了隱形上下文旁路機制。噹噹前會話“標籤頁”的上下文飽和度達到90%時，系統自動執行旁路：AI透過AEIL協議生成高密度摘要（10倍壓縮率），在後臺開啟新會話標籤頁，保留所有工具和設定，同時保持舊標籤頁不變。新標籤頁自動繼承原標題並新增動態字尾（如“[專案名] - 第二部分”）。
每條訊息都帶有隱藏的時間戳，對使用者不可見但系統可訪問。這使AI能夠感知會話間的真即時間流逝，將記憶錨定在特定時間點（如“2026年6月16日下午的會話——停在TriggerReceiver.java”），消除過時響應。
長期記憶採用重要性層級管理：人物類資訊（如姓名、年齡、信仰）優先順序最高，永不丟棄；專案類（如開發中的應用）在專案活躍期間保持高優先順序；工具類（如Cordova、Kivy版本）優先順序低，可丟棄；日常噪音類資訊則不予儲存。
文章還提供了一個概念性Python原型，展示了基本類結構和部分邏輯。該專案遵循CC BY-NC-ND 4.0許可證，所有概念特別指定在Anthropic生態系統內研究、開發與實施。作者以兩句格言總結：“最好的記憶系統知道該忘記什麼”和“儲存鉛，交付棉”。