TypedMemory – AI代理的長期記憶與反思

TypedMemory 是一個專為 AI 代理設計的開源長期記憶與反思庫，旨在克服現有記憶系統普遍存在的“最後寫入勝出”缺陷。在典型的代理記憶中，當新信息與舊信息衝突時，舊信息會被靜默覆蓋，導致代理的行為難以調試和追蹤。TypedMemory 通過引入類型化記憶模型來解決這一問題：每個記憶都帶有類型（如聲明、決策、風險、觀察等）、置信度、結構化來源（包含文檔ID、塊ID和跨度）以及工作區命名空間。當新記憶與現有記憶衝突時，系統不會簡單地覆蓋，而是根據預設的衝突策略（如替換、保留、取代、強化或標記）進行處理，從而保留完整的審計軌跡。

該庫的核心操作包括四個動詞：remember（提取並存儲新信息）、recall（基於語義檢索相關信息）、reflect（運行演化管道，自動檢測矛盾、偏好漂移、目標解析和非破壞性摘要）和 forget（顯式刪除）。reflect 方法尤其強大，它能夠觸發一系列演化操作，每個操作都會生成帶有時間戳和原因的 EvolutionRecord，確保每一個變化都可追溯。例如，在工程設計中，“使用 SQLite”和“改用 PostgreSQL”這兩條決策記憶會通過“取代”策略保持鏈接，而兩條風險記憶則通過“標記”策略被交叉鏈接為矛盾。

TypedMemory 提供了多種內置的域配置文件（如 engineering_design、research_paper、legal 等），每個配置文件定義了可用的記憶類型和對應的衝突策略。用户還可以通過 Python、JSON 或 YAML 自定義配置文件。存儲方面，庫支持內存、JSONL文件和 SQLite 三種後端，均支持索引、模式遷移和嵌入持久化。檢索機制融合了語義相似度（餘弦）、時間衰減和置信度分數，即使沒有外部嵌入服務也能通過 token 重疊進行回退。

該庫的典型應用場景包括：調試產生幻覺的代理（通過 typedmem history 查看每次狀態變化）、構建長期偏好的對話代理、多文檔研究中的結構化溯源（REINFORCE 策略合併重複事實）、以及多租户代理（工作區隔離不同領域）。TypedMemory 的設計哲學是讓記憶成為活的知識層，而不是靜態的日誌。零運行時依賴（僅使用標準庫），LLM 客户端、YAML 加載和高級嵌入器均為可選擴展。通過 CLI 工具和豐富的示例代碼，開發者可以快速上手，在 Python 3.10+ 環境中通過 pip 安裝使用。