MemX
给 AI 系统的长期记忆：从对话里抽取值得留下的事实，去重，随时间衰减，按混合方式检索。
成熟度：早期试点
当前版本在预发与演示环境运行，未承载客户生产流量，尚未替换正在服务线上流量的上一代实现。MemX 是本站对该产品的称呼；引擎的工程名为 memorus，命令行（memorus-r）与服务（memorus-server）的二进制沿用工程名。
主张：记忆也需要可核查
一条记忆从哪条输入来、何时会衰减、检索时是否还成立，都应当查得到。记不住是一种问题；记错了而没人知道，是更大的问题。
它做什么
抽取（Reflector）
输入经四步处理：识别、评分、隐私脱敏、提炼成一条条记忆。默认 rules 模式完全本地，不调用任何外部模型；调用模型的模式需要显式开启。
去重与冲突（Curator）
新记忆与已有记忆比对相似度，决定新增、合并或跳过；语义相关但互相矛盾的记忆会被标记出来。
衰减（Decay）
按半衰期计算权重，新记忆有保护期；每被检索一次权重回升，被检索足够多次后不再衰减。参数可配置。
检索（Generator）
精确关键词、词干模糊、元数据、语义相似度四层信号融合成一个排序分，再乘以衰减权重与时效因子。
脱敏
13 层内置规则（密钥、令牌、邮箱、电话、卡号、私钥、数据库连接串、本地路径等），可追加自定义正则；内置规则不能单独关闭。
检索时核验
记忆可以锚定到源文件里的一段文字；检索时重新核对，标为「已核验」「陈旧」或「无法核验」，随结果一起返回。
架构概览
2b-svc-memorus · 与仓库 README 同一张图边界与现状
还在早期，我们写清楚到哪一步
- 零配置默认使用确定性的哈希向量，不是真实的语义嵌入；要做语义检索，需要配置嵌入服务或开启本地嵌入的构建选项。
- 「混合检索优于纯向量检索」目前只有机制，没有可复现的基准数字支撑，所以这里不写数字。
- 检索结果返回总分与核验状态；各层的分项得分目前只在引擎内部计算，还没有通过接口返回。
- 数据模型带来源字段；目前经服务接口写入的记忆还没有来源记录。
- 服务端 MCP 端点目前仅支持单租户部署。