研發背景
mem9.ai的研發源於解決以
OpenClaw(龍蝦)為代表的
AI Agent普遍存在的痛點,包括對話重置(Compact)或系統清理後記憶丟失、多個Agent實例間形成記憶孤島難以共享、以及本地記憶遷移困難導致的“養死焦慮”和“換機噩夢”。為解決AI Agent的“跨會話”記憶持久化問題,
TiDB聯合創始人兼CTO
黃東旭於2026年3月發布了mem9.ai,旨在為AI Agent提供一個雲端永續記憶服務。其核心設計理念並非修改AI模型本身,而是在模型外部構建一個獨立的“記憶層”(或稱“外腦”),以實現記憶的持久化存儲與智慧型檢索。該產品定位為專為AI Agent設計的持久化記憶基礎設施。
發展歷程
mem9.ai 由
TiDB聯合創始人兼 CTO
黃東旭於 2026 年 3 月發布。2026年3月8日,黃東旭發布文章介紹 mem9。隨後,mem9 上線“個人記憶空間”(Memory Space)功能,用戶可通過輸入 Space ID 查看相關記憶條目。mem9 上線後,與支持
ContextEngine外掛程式接口的 OpenClaw 3.8 版本實現深度集成,從“外掛 memory backend”轉變為與官方架構深度配合的原生方案。
技術原理
該服務是一個為AI智慧型體設計的持久化記憶基礎設施,旨在為智慧型體提供雲端持久化記憶。其設計強調透明度,通過記憶空間使記憶成為可查看、可審計、可管理的資產。
架構與設計
該架構採用無狀態設計,將邏輯處理與數據持久化分離,使智慧型體無狀態化,記憶存儲於雲端。其遵循為每個智慧型體分配獨立資料庫實例的原則,以實現數據隔離與安全。
存儲與檢索機制
採用混合搜尋機制,結合向量相似度、關鍵字匹配和時間衰減進行綜合排序與召回。系統支持標籤過濾,可為每條記憶設定多個標籤,以提升檢索精度。
記憶生命周期管理
通過外掛程式鉤子與上下文引擎深度集成,實現記憶的自動寫入、檢索與持久化。
底層基礎設施
其核心服務依託分散式資料庫平台,以支撐海量獨立實例的彈性伸縮,以及向量、全文、分析等多模態查詢需求。
技術對比與演進
相較於部分智慧型體原生的本地存儲方案,此類雲端記憶基礎設施使得記憶能夠持久化、可審計,並支持共享空間。未來的演進方向可能包括分層記憶、記憶圖譜等。
核心團隊
mem9.ai由
TiDB聯合創始人兼CTO
黃東旭(dongxu)發布。TiDB工程師唐劉參與了技術實現與支撐方案的闡述。
開源與部署
mem9項目已在GitHub上開源。該項目也提供了雲端服務(mem9.ai),無需註冊即可使用。其設計採用每個AI Agent的數據獨立存儲與加密的方式,支持數據備份與遷移。
mem9支持本地私有化部署,用戶可基於開原始碼將服務與自建的
TiDB資料庫結合。本地部署的考慮因素包括對數據隱私的要求、對工具鏈和數據生命周期的控制以及確保服務的可用性。
mem9的安裝配置過程,對於雲端服務,用戶可通過Skill機制向
AI Agent傳送指令完成;對於本地部署,則需要部署本地TiDB資料庫及mem9服務端(mnemo-server),並在AI Agent的配置檔案中進行相應設定。