两周空闲时间 Vibe Coding 了一套生产级可用的「记忆湖」

最近和几家公司聊 AI 产品时，发现一个共性问题：

长期记忆（ Long-term Memory ）是 AI 产品里最难、也最关键的一块。

短期上下文很好做，但真正可持续进化、具备“自我反思能力”的长期记忆系统，挑战非常大。

于是利用最近两周的碎片时间，我用 Vibe Coding 的方式，做了一套支持：

• 水平扩展
• 多模态
• 自我进化
• 持续学习

的「记忆湖」系统。

一些开发心得

1️⃣ 前期：AI 负责产品与架构

前期主要使用 Gemini CLI 的 gemini-3-pro-preview 模型做：

• 产品设计
• 架构设计
• 模块拆分
• 早期 Coding

并且我给 AI 设定了几个强制规则：

• ✅ 所有功能必须配套单元测试
• ✅ 在确定方案前，必须反向问我几个问题，检查是否有遗漏
• ✅ 每一轮新功能开发后，review 全部代码
• ✅ 用不同模型交叉 review

这点非常重要：

AI 写代码不是问题，AI 审代码才是关键。

2️⃣ 后期：基于 Benchmark 做能力增强

后期的迭代重点会放在：

• 基于 benchmark 做能力评测
• 记忆质量指标优化
• 持续学习能力增强

这个项目的设计思想来源于几篇论文，我总结下来核心方向主要集中在：

• 记忆关联（ Graph / 图谱）
• 对齐（ Alignment ）
• 压缩（ Compression ）
• 洞察（ Insight Extraction ）
• 反思（ Reflection ）

本质上是在做一个可持续进化的记忆系统，而不是简单的向量数据库。

为什么叫 Memorose ？

原计划是在 2 月 14 日发布，正好是情人节。

所以取名 Memorose —— Memory + Rose 。

我希望它不仅仅是存储抽象符号的系统，而是：

能帮人们记住那些真正重要的、美好的记忆。

记忆不应该只是 token 。
有些东西，应该被保存得更久一些。

未来计划

• 先把开源版本打磨扎实
• 形成完整 benchmark
• 等时机成熟，再考虑商业化

坦白说，这个方向竞争非常激烈，大小公司都在卷「记忆系统」。

但我依然觉得：

真正可自我进化的长期记忆，还远远没有被做好。

项目地址

https://github.com/ai-akashic/Memorose

如果觉得有用，欢迎点个 ⭐ 支持一下 🙏

一起参与？

如果你对：

• 长期记忆系统
• LLM 自我进化
• 记忆图谱
• 持续学习

感兴趣，欢迎一起交流或参与共建。

vx：PapillonDylan