Smrti：给AI装上"人格记忆"，下一代记忆引擎长什么样？

当AI的记忆不再只是向量相似度搜索，而是能记住"周五部署导致故障"这种带情绪的惨痛教训，会发生什么？

最近在GitHub上发现了一个非常有意思的开源项目——Smrti，它提出了一种全新的AI记忆架构：不只是向量搜索，而是让AI拥有"人格记忆"。

今天带你深入了解一下这个项目。

01 从"记事本"到"有性格的记忆系统"

目前主流的AI记忆方案，本质上都是一个"高级记事本"：

• • 用户说什么 → 向量化存储
• • 需要回忆 → KNN向量相似度搜索
• • 结果排序 → 按时间或相似度

这种方案有两个明显问题：

1. 1. 记忆没有"性格"：10年前的惨痛教训和5分钟前的闲聊，在向量空间里可能权重一样
2. 2. 不知道什么"重要"：Critical的错误和随口的玩笑，召回优先级没有区别

Smrti的思路是：让记忆有情感、有权重、有性格。

02 核心创新：5维召回评分机制

Smrti的检索不再只依赖向量相似度，而是采用5维评分公式：

S = w_sim × similarity + w_sti × STI + w_conf × confidence + w_lti × LTI + w_val × |valence| × intensity

听不懂？没关系，我逐一解释：

关键设计：当情感值（valence）低于-0.5时，系统会自动提升权重——这意味着"周五部署导致2小时故障"这种负面经验，会比普通闲聊更容易被召回。

03 贝叶斯真值维护：记忆会"进化"

传统RAG的痛点：新证据来了，旧记忆怎么办？直接覆盖？

Smrti的解决方案是Probabilistic Logic Networks（PLN）——证据只增不减，真值动态更新。

# 存储记忆时附带的贝叶斯概率
engine.believe(
"Feature flags reduce deployment risk",
    probability=0.85,  # 概率
    evidence="3 successful staged rollouts"# 支撑证据
)

当你积累更多证据时：

• • 新证据追加（append-only）
• • 矛盾产生时创建矛盾链接
• • 定期通过PLN合并更新真值
• • 低置信度记忆自动衰减

效果：记忆不是静态存储，而是会随时间"进化"的动态知识库。

04 人格预设：给你的AI装上"性格"

这是Smrti最有趣的设计——6种人格预设，控制16个超参数：

# 一行代码切换人格
engine = Smrti(personality="deterministic")

实际意义：你的代码助手可以是"严谨型"，你的闲聊伴侣可以是"共情型"，同一个引擎，不同的性格。

05 零基础设施：单文件搞定

对比其他记忆系统动不动就要部署向量数据库、消息队列、缓存层……

Smrti只需要：一个SQLite文件。

• • 向量索引：sqlite-vec（BAAI/bge-small-en-v1.5）
• • 实体解析：5级级联（精确匹配→别名→模糊→向量）
• • 部署方式：pip install smrti，开箱即用

三种服务模式：

• • MCP模式：支持Claude Desktop、Cursor等MCP客户端
• • REST API：FastAPI，端口8420
• • Proxy模式：OpenAI兼容，端口8421，自动注入带严重性标签的记忆

06 实际效果演示

from smrti import Smrti

engine = Smrti(personality="deterministic")

# 存储负面经历
engine.remember(
"Deploying on Friday caused a 2-hour outage",
    valence=-0.8# 强负面
)

# 存储正面经验
engine.remember(
"Feature flags made the rollout safe",
    valence=0.6
)

# 召回时，负面经历自动优先
results = engine.recall("deployment risks")
# 输出：Friday部署导致故障的记录会排在前面

严重性自动分类：

• • critical_warning：valence < -0.5 且 intensity > 0.5
• • known_antipattern：概率 < 0.3 且置信度 > 0.3
• • context：中性背景

Proxy模式下，这些标签会自动注入LLM的上下文。

07 对AI开发者的启示

Smrti的设计理念代表了一个趋势：AI记忆正在从"存储"走向"认知"。

几个值得思考的点：

1. 1. 情感维度：让AI记住"什么让我不爽"，比记住"什么发生过"更有价值
2. 2. 人格可配置：同一个Agent框架，可以适配不同场景
3. 3. 轻量化优先：不是所有系统都需要全套基础设施
4. 4. 证据驱动：记忆应该是可验证、可更新的，而不是静态快照

08 如何快速上手

# 安装
pip install smrti

# Python API
from smrti import Smrti
mem = Smrti(personality="balanced")
mem.remember("用户的偏好", valence=0.5)
results = mem.recall("查询偏好")

GitHub地址：cyqlelabs/smrti

官网：smrti.im

写在最后

Smrti让我想到一个有趣的问题：如果AI能记住"周五部署导致故障"这种带有情感色彩的经验，它会不会主动劝阻你周五上线？

从这个角度看，AI记忆的下一步，可能不是更大的向量库，而是更"懂教训"的认知系统。

你觉得呢？

关注我，持续追踪AI Agent领域的最新动态。

标签：#AI记忆 #开源项目 #Smrti #Agent开发 #技术解读