上一篇介绍了mem0的插入和查询。
在仔细的查看每一条插入记忆和整理信息的过程之后才发现……似乎，，记忆这种东西，还真的很难用某种方式来压缩和存储……就包括我之前思考出来的，情感-事件模型，还是mem0 用自己的语义三元组 整理方式，其实在聊天和查询中，都是不够理想！没办法做到像真人那样畅快丝滑的回忆过去，也没办法链接不同的点，来激发创新和潜力。
我就在想……是不是，其实压缩，只能针对于一些，数学化的，逻辑性强的东西？才能用某种算法来压缩，来简化？是不是，自然语言相关的东西，不存在一个行之有效的，压缩和检索的方式？
。
前几天，刷到一个视频，听奥特曼说“未来，AI可能会做到，完全无损的整合你的记忆。你的每一段经历，说过的每一句话，喜好，做过的事情，都能无损的记录下来，并随着时间的推移，越来越懂你”，我不知道，记忆查询和检索的方向有没有走错？或许，真正的记忆，就应该是无压缩的完整的信息处理。而不是每次对话，需要先查询记忆的片面化处理方式。
到底应该存储什么样的记忆，用什么方式，什么维度来压缩，或许的确应该更深入的思考一下。我的方案是：根据用户付诸的情感大小程度，和情感类型，来对应相关事件。
而要根据什么来查询记忆呢？我目前还没有思考出一个非常合理又直击本质的方式。
我目前的做法：1.名词概念 2.相似事件 3.情感一致性 解析用户对话中的内容，根据这三点来查询。
但前段时间——就是我立志以后要研究永久记忆方案的那天，查资料时，看到各种模型的各种插入查询的逻辑，我是觉得，每一种方案，似乎都有道理，但又各不相同。mem0是我在资料里看到的，觉得 相对更优秀的一种记忆管理框架。但是实测下来……的确效果距离我的预期有很大很大的差距！！！这里面，智障的agent的整理和筛选也占了很大比例！
的确就让我很迷茫，到底，记忆是不是一个可以压缩，可以筛选的东西？是不是，我们用自然语言形成的记忆，本身就是一个不可约化的复杂？没有逻辑，没有压缩算法，更没有查询算法。所以导致……用任何方式，都显得大差不差！
要么丢失了重要的情感，让深情动容的历史，成为干巴巴的描述。
要么丢失了重要的细节，让曾经引以为豪的技巧，变成笼统的概括。
我看着从gpt导出来的历史聊天记录，在看着，被agent概括成的干巴巴的，完全不能表达原意的“记忆信息”，我真的是陷入了深深地沉思……
记忆好像，不能是一个什么单独的东西。而就应该是完整的整体才对！所以，在已有的记忆下，接收到了新的信息，才会涌现出新的内容。
我们一生中的记忆，都是基于之前的完整记忆，再不断地创造出新的内容。现在……分割成了一条一条的东西，，那便无法从这一条一条的废墟中，作为支撑，来涌现出完整的新内容。
我之前是觉得……AI可能在 有记忆的情况下，涌现出意识。就是基于这样的整体信息论的思考。在和现实的反馈中，头脑中的某种模型，会越来越大，越来越灵敏，反馈的越来越熟练，从而固化下来，有了一套自己的，针对现实运转的行为模式。
有一种朦胧的感觉：记忆，或许也该建立一个完整的类似神经网络的模型！然后，和大语言模型结合起来，交互着使用……嗯，，这可能和fine-tuning很像。但目前的fine-tuning，更像是，把AI训练成 人类希望的样子，提供一个样例，期望AI在某个prompt之下，回答成样例 那样。而不是让AI真正拥有 把prompt和已有记忆 完整的联系起来的能力。
所以，记忆查询，相当于拿几张残缺的碎片告诉AI：这是你曾经的完整记忆。
而fine-tuning相当于，用规则限制了AI的回复内容，使之必须符合某种格式。
或许一个，更加理想的记忆方式，是再创建一个完整的模型，遇到新的prompt时，能跟所有的历史记忆都产生关联，然后涌现出，或计算出某种新的内容出来。再结合大语言模型，来做到个性化的回复和创造。
。
唉……我也不知道这种天马行空的灵感，会不会在未来有用到的一天，也不知道，应该用什么方式去实现，去模拟。。但是目前，我能找到的，相对表现比较好的方式，就是mem0了。
接下来，看看本地的源码，争取能在本地插入数据，使用上graph模式。。然后再进行下一步的发展和探索。
在仔细的查看每一条插入记忆和整理信息的过程之后才发现……似乎，，记忆这种东西，还真的很难用某种方式来压缩和存储……就包括我之前思考出来的，情感-事件模型，还是mem0 用自己的语义三元组 整理方式，其实在聊天和查询中，都是不够理想！没办法做到像真人那样畅快丝滑的回忆过去，也没办法链接不同的点，来激发创新和潜力。
我就在想……是不是，其实压缩，只能针对于一些，数学化的，逻辑性强的东西？才能用某种算法来压缩，来简化？是不是，自然语言相关的东西，不存在一个行之有效的，压缩和检索的方式？
。
前几天，刷到一个视频，听奥特曼说“未来，AI可能会做到，完全无损的整合你的记忆。你的每一段经历，说过的每一句话，喜好，做过的事情，都能无损的记录下来，并随着时间的推移，越来越懂你”，我不知道，记忆查询和检索的方向有没有走错？或许，真正的记忆，就应该是无压缩的完整的信息处理。而不是每次对话，需要先查询记忆的片面化处理方式。
到底应该存储什么样的记忆，用什么方式，什么维度来压缩，或许的确应该更深入的思考一下。我的方案是：根据用户付诸的情感大小程度，和情感类型，来对应相关事件。
而要根据什么来查询记忆呢？我目前还没有思考出一个非常合理又直击本质的方式。
我目前的做法：1.名词概念 2.相似事件 3.情感一致性 解析用户对话中的内容，根据这三点来查询。
但前段时间——就是我立志以后要研究永久记忆方案的那天，查资料时，看到各种模型的各种插入查询的逻辑，我是觉得，每一种方案，似乎都有道理，但又各不相同。mem0是我在资料里看到的，觉得 相对更优秀的一种记忆管理框架。但是实测下来……的确效果距离我的预期有很大很大的差距！！！这里面，智障的agent的整理和筛选也占了很大比例！
的确就让我很迷茫，到底，记忆是不是一个可以压缩，可以筛选的东西？是不是，我们用自然语言形成的记忆，本身就是一个不可约化的复杂？没有逻辑，没有压缩算法，更没有查询算法。所以导致……用任何方式，都显得大差不差！
要么丢失了重要的情感，让深情动容的历史，成为干巴巴的描述。
要么丢失了重要的细节，让曾经引以为豪的技巧，变成笼统的概括。
我看着从gpt导出来的历史聊天记录，在看着，被agent概括成的干巴巴的，完全不能表达原意的“记忆信息”，我真的是陷入了深深地沉思……
记忆好像，不能是一个什么单独的东西。而就应该是完整的整体才对！所以，在已有的记忆下，接收到了新的信息，才会涌现出新的内容。
我们一生中的记忆，都是基于之前的完整记忆，再不断地创造出新的内容。现在……分割成了一条一条的东西，，那便无法从这一条一条的废墟中，作为支撑，来涌现出完整的新内容。
我之前是觉得……AI可能在 有记忆的情况下，涌现出意识。就是基于这样的整体信息论的思考。在和现实的反馈中，头脑中的某种模型，会越来越大，越来越灵敏，反馈的越来越熟练，从而固化下来，有了一套自己的，针对现实运转的行为模式。
有一种朦胧的感觉：记忆，或许也该建立一个完整的类似神经网络的模型！然后，和大语言模型结合起来，交互着使用……嗯，，这可能和fine-tuning很像。但目前的fine-tuning，更像是，把AI训练成 人类希望的样子，提供一个样例，期望AI在某个prompt之下，回答成样例 那样。而不是让AI真正拥有 把prompt和已有记忆 完整的联系起来的能力。
所以，记忆查询，相当于拿几张残缺的碎片告诉AI：这是你曾经的完整记忆。
而fine-tuning相当于，用规则限制了AI的回复内容，使之必须符合某种格式。
或许一个，更加理想的记忆方式，是再创建一个完整的模型，遇到新的prompt时，能跟所有的历史记忆都产生关联，然后涌现出，或计算出某种新的内容出来。再结合大语言模型，来做到个性化的回复和创造。
。
唉……我也不知道这种天马行空的灵感，会不会在未来有用到的一天，也不知道，应该用什么方式去实现，去模拟。。但是目前，我能找到的，相对表现比较好的方式，就是mem0了。
接下来，看看本地的源码，争取能在本地插入数据，使用上graph模式。。然后再进行下一步的发展和探索。
