MemX — motor de memoria adaptativa para IA
Motor de memoria para IA con cero coste de LLM · curva de olvido biomimética · 12 filtros de PII
¿Qué es MemX?
MemX es el motor de memoria adaptativa para IA de Lurus, construido sobre ACE (Adaptive Context Engine)ACEAdaptive Context Engine (motor de contexto adaptativo). La capa de inteligencia central de MemX, que incluye cuatro módulos: destilación de conocimiento, deduplicación, decaimiento y recuperación.Más información →v2.0. Proporciona a los agentes de IA una gestión completa del ciclo de vida del conocimiento: destilación inteligenteKnowledge DistillationDestilación de conocimiento: extrae de un gran volumen de conversaciones entradas de conocimiento depuradas y reutilizables. El motor Reflector de MemX realiza este proceso automáticamente. → deduplicación semánticaSemantic DedupDeduplicación semántica: mediante la similitud del coseno, identifica y fusiona automáticamente las entradas de conocimiento con el mismo significado pero distinta redacción. → olvido por decaimiento → recuperación híbrida, dotando a la IA de una verdadera "memoria" similar a la humana.
Tres ventajas clave
- Modo híbrido por defecto + degradación automática — cuando el LLM no está disponible, conmuta a reglas puras: cero llamadas, cero coste.
- Curva de olvido biomimética — decaimiento exponencial de Ebbinghaus, vida media de 30 días por defecto; los elementos muy recuperados ascienden a memoria permanente.
- Protección de privacidad de extremo a extremo — la información sensible nunca entra en la base de datos vectorial.
Características principales
De la conversación a la memoria recuperable
Para el detalle de reglas, fórmulas y parámetros, consulta Conceptos básicos y Diseño de arquitectura.
Destilación inteligente de conocimiento (Reflector)
El modo hybrid (precribado por reglas + refinamiento con LLM) identifica 5 patrones de conocimiento: corrección de errores / reintento exitoso / cambio de configuración / uso de una nueva herramienta / operación repetida, con una puntuación de 0-100 por entrada para filtrar el ruido de baja puntuación.
Deduplicación semántica y detección de conflictos (Curator)
Similitud del coseno ≥0,8 fusiona automáticamente, 0,5-0,8 marca posibles conflictos, por debajo de 0,5 se considera conocimiento independiente.
Decaimiento biomimético de la memoria
Periodo de protección de 7 días + decaimiento exponencial + refuerzo por recuperación; recuperado más de 15 veces, asciende a memoria permanente y deja de decaer.
Recuperación híbrida de cuatro capas
L1 exacta → L2 difusa → L3 metadatos → L4 vectorial; tras la fusión ponderada de ScoreMerger se multiplica por DecayWeight × RecencyBoost × ScopeBoost, y la capa vectorial degrada automáticamente si no está disponible.
Diseño con la privacidad por delante
12 reglas integradas de filtrado de información sensible (claves / Token / cadenas de conexión a bases de datos / rutas locales / regex personalizadas) que interceptan automáticamente antes de la escritura.
Visión general de la arquitectura
El conocimiento fluye desde la conversación y pasa sucesivamente por destilación, filtrado de privacidad y deduplicación, hasta caer en los almacenes vectorial y de metadatos; las solicitudes de recuperación recorren el pipeline híbrido de cuatro capas, y el motor de decaimiento mantiene de forma continua la actividad de la memoria en segundo plano.
Casos de uso
Recuerda tus hábitos de código, los escollos que has encontrado y las convenciones del proyecto.
Acumula el conocimiento del historial de interacciones del cliente para ofrecer un servicio personalizado.
Extrae y organiza conocimiento automáticamente a partir de las conversaciones diarias.
Comparte la memoria a nivel de equipo para que los nuevos miembros obtengan rápidamente el contexto.
Comparación con los sistemas de memoria tradicionales
Por qué no es otra base de datos vectorial más
| 维度 | MemX (ACE) | Solución tradicional (mem0) |
|---|---|---|
| Extracción de conocimiento | motor híbrido hybrid (precribado por reglas + refinamiento con LLM, reduce más del 90 % de las llamadas) | LLM (2-5K tokens cada vez) |
| Deduplicación | fusión automática por similitud del coseno | evaluación del LLM entrada por entrada |
| Olvido | decaimiento exponencial + refuerzo por recuperación | almacenamiento permanente, sin descarte posible |
| Búsqueda | búsqueda híbrida de cuatro capas | solo búsqueda vectorial |
| Privacidad | 12 reglas integradas de filtrado de información sensible | sin protección integrada |
| Ámbito | jerárquico (global / project / workspace) | plano (user / agent) |
| Gestión de Token | recorte de presupuesto integrado (con detección de CJK) | gestión a cargo del invocador |
| Embeddings locales | inferencia local ONNX, totalmente sin conexión | requiere API |