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，當新資訊與舊資訊衝突時，舊資訊會被靜默覆蓋，導致代理的行為難以除錯和追蹤。TypedMemory 透過引入型別化記憶模型來解決這一問題：每個記憶都帶有型別（如宣告、決策、風險、觀察等）、置信度、結構化來源（包含文件ID、塊ID和跨度）以及工作區名稱空間。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（提取並儲存新資訊）、recall（基於語義檢索相關資訊）、reflect（執行演化管道，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”這兩條決策記憶會透過“取代”策略保持連結，而兩條風險記憶則透過“標記”策略被交叉連結為矛盾。

TypedMemory 提供了多種內建的域配置檔案（如 engineering_design、research_paper、legal 等），每個配置檔案定義了可用的記憶型別和對應的衝突策略。使用者還可以透過 Python、JSON 或 YAML 自定義配置檔案。儲存方面，庫支援記憶體、JSONL檔案和 SQLite 三種後端，均支援索引、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透過 token 重疊進行回退。

該庫的典型應用場景包括：除錯產生幻覺的代理（透過 typedmem history 檢視每次狀態變化）、構建長期偏好的對話代理、多文件研究中的結構化溯源（REINFORCE 策略合併重複事實）、以及多租戶代理（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。零執行時依賴（僅使用標準庫），LLM 客戶端、YAML 載入和高階嵌入器均為可選擴充套件。透過 CLI 工具和豐富的示例程式碼，開發者可以快速上手，在 Python 3.10+ 環境中透過 pip 安裝使用。