AI 永久记忆时代来了！ASMR 刷爆 99% 准确率，健忘症彻底被攻克

AI 终于告别 “鱼的记忆”，真正拥有永久记忆了！

近日，Supermemory 团队推出的超级记忆系统「ASMR」横空出世，在业界公认最严苛的 AI 记忆基准测试 LongMemEval 中，一举刷出 99% 的超高准确率，直接刷新 SOTA 纪录。这一突破不仅让全网直呼 “太疯狂”，更意味着困扰 AI 领域已久的 “健忘症” 难题，被彻底攻克。

数十亿 AI Agent 翘首以盼的记忆革命，正式拉开序幕，而这场革命的核心，是彻底抛弃了传统记忆框架的全新技术逻辑 ——不用向量数据库、无需嵌入模式，全内存运行，靠多 Agent 并行推理实现精准记忆与检索。更让人期待的是，ASMR 将于 4 月初开源全部代码，AI 记忆的 “大航海时代”，已触手可及。

 回到正题~

从 85% 到 99%，刷新记忆测试天花板

LongMemEval 为何被称为 AI 记忆界的 “终极考卷”？因为它完全模拟真实生产环境的复杂场景：超 11.5 万 Token 的海量对话历史、相互矛盾的信息碎片、跨多会话的零散事件，还要完成高难度的时间推理，绝大多数记忆系统都栽在这份考卷上。

早在数月前，Supermemory 团队的首份研究报告，就已在 LongMemEval-s 测试中拿下 85% 的成绩，遥遥领先当时所有公开记忆系统。而此次 ASMR 的登场，直接将准确率推至 99%，近乎满分的成绩，让 AI 记忆能力实现了质的飞跃。

这份成绩的背后，是 ASMR 颠覆传统的技术路径：放弃了依赖向量数学计算的传统 RAG 框架，拒绝向量数据库和嵌入模式，全程在内存中运行，不仅让系统能轻松内嵌到各类应用、甚至机器人硬件中，更从根源上解决了传统记忆系统的核心痛点 ——检索噪音。

要知道，多数 AI 记忆系统的问题，从不是推理能力不足，而是检索时会带入大量无效信息，甚至无法区分 “旧信息” 和 “新修正”，让大模型难以有效利用数据。而 ASMR，正是为解决这一痛点而生。

3+3 多 Agent 并行，重新定义记忆检索逻辑

ASMR 的技术核心，是多 Agent 协同编排的流水线，用主动的 Agent 推理取代冰冷的向量计算，让 AI 的记忆检索，从 “机械匹配” 变成 “智能理解”。整个流程简单直白，却精准高效，分为「并行摄取」和「主动检索」两大核心环节。

观察者 Agent：3 路并行，六维精准提取信息

首先部署 3 个由 Gemini 2.0 Flash 加持的观察者 Agent，作为并行读取器同步工作，无需对用户对话做分块和嵌入，直接并发读取原始会话数据。它们会按照专属分工覆盖全部会话，比如 Agent1 负责 1、3、5 会话，Agent2 负责 2、4、6 会话，避免遗漏。

所有观察者 Agent 的核心目标，是围绕六大维度进行定向知识提取：个人信息、用户偏好、关键事件、时序数据、信息更新、助手信息，提取后的结构化数据会被 “原生存储”，并精准映射回源会话，为后续检索打下基础。

搜索 Agent：3 路专攻，主动推理验证细节

当接收到用户提问时，ASMR 不会去查询向量数据库，而是启动 3 个并行的搜索 Agent，主动阅读并推理已存储的结构化数据，每个 Agent 都有专属侧重点，实现精准检索：

• Agent1：聚焦直接事实和明确陈述，快速抓取核心答案；
• Agent2：挖掘相关上下文、社交线索和潜在暗示，补充信息维度；
• Agent3：重建时间线和关系图谱，解决跨会话、跨时间的推理问题。
   

编排器会汇总 3 个搜索 Agent 的发现，并提取原文会话的逐字片段进行细节验证，让检索基于真实的认知理解，而非单纯的关键词或语义相似度匹配，从根源上剔除检索噪音。

双工作流加持，准确率再攀高峰

为了应对 LongMemEval 中种类繁多的问题，ASMR 还设计了两种截然不同的回答工作流，进一步提升准确率：

1. 8 变体集群：将检索上下文路由给 8 个并行的专业化提示词变体，如精准计数器、时间专家等，只要任一推理路径得出正确答案，即判定为答对，实现 98.60% 的准确率；
2. 12 变体决策森林：由 12 个 GPT-4o-mini 驱动的专业 Agent 独立回答，再由 “聚合大模型” 通过多数投票、领域信任度进行综合裁决，单一共识答案也能达到 97.2% 的准确率。
    

两种工作流的加持，让 ASMR 的整体准确率最终突破 99%，完美覆盖各类记忆检索盲区。

不止是刷榜实验，Supermemory 打造 AI 记忆基础设施

如果说 ASMR 是一次惊艳的技术突破，那其背后的Supermemory，才是团队真正的野心 —— 打造一套面向所有 AI 应用的记忆与上下文基础设施，让 AI 真正拥有 “记忆”，而非单纯的 “检索能力”。

记忆≠RAG，这是最核心的区别

传统 RAG 的本质是 “数据检索”，不认人、不辨新旧，比如你上个月说 “住北京”，这个月说 “搬上海”，RAG 会把两条信息都丢给大模型，让其自行判断；而 Supermemory 实现的是真正的 “记忆”，能主动提取事实、追踪信息变化、处理矛盾内容，甚至拥有自动遗忘机制。

它会识别出 “搬上海” 是对 “住北京” 的更新，只返回有效信息；更能对临时信息做时效管理，比如你说 “明天有考试”，日期过后这条记忆会自动失效，避免临时事实变成永久噪音，让 AI 的记忆始终清晰、高效。

50 毫秒搞定用户画像，AI 秒变 “老朋友”

Supermemory 不仅解决了 AI 的记忆问题，还把用户画像做到了自动化、轻量化。传统方案中，搭建用户画像需要手动维护标签、偏好、行为，而 Supermemory 会自动将用户信息拆分为两层：

• 静态事实：资深工程师、用 Vim、偏好暗色模式等固定属性；
• 动态上下文：正在做认证模块迁移、在 debug 限流问题等实时状态。
   

只需一次 API 调用，50 毫秒内就能获取完整用户画像，将其注入 system prompt，AI 就能瞬间从 “陌生人模式” 切换到 “老朋友模式”，实现个性化交互。

全家桶连接能力，零配置兼容多场景

记忆的边界，不该只局限于对话。Supermemory 打通了 Google Drive、Gmail、Notion、OneDrive、GitHub 等全平台外部数据源，通过实时 Webhook 自动同步，支持 PDF 解析、图片 OCR、视频转录、代码 AST 级分块，文档上传后即可检索，全程零配置。

对于开发者而言，集成成本被压到最低：npm 装一个包，几行代码就能给自有 Agent 加上完整记忆能力；Vercel AI SDK、LangChain、OpenAI Agents SDK 等主流 AI 开发框架，全部有现成封装；甚至不用写代码，通过 MCP 服务器一行命令安装，就能在 Claude Desktop、VS Code 等工具中直接使用。

AI 记忆革命，让工具变搭档

过去几年，大模型的竞争集中在参数规模、推理速度、上下文窗口长度，可即便拥有 128K 的超大上下文窗口，一旦对话结束，数据就会被清空，下次交互依旧是 “初次见面”。

而记忆，正是让 AI 从冰冷工具变成贴心搭档的最后一块拼图。

当每一个 AI Agent 都能记住你是谁、你的偏好是什么、你上次说到了哪里、你正在做的事有哪些，人机交互的体验将迎来一次静悄悄的质变 —— 不是 AI 的推理能力突然变聪明了，而是它终于不再失忆，能基于持续的记忆形成专属的、有温度的交互。

Supermemory 团队用 ASMR 和背后的记忆引擎，把 AI 的 “工作记忆” 从一个附加功能，变成了一层通用基础设施。而随着 4 月初 ASMR 代码的开源，这场记忆革命将不再局限于少数团队，而是会蔓延到整个 AI 生态。

数十亿 AI Agent 即将拥有永久记忆，而这，只是开始。未来的人机交互，终将因 “记忆” 而不同。