这一次，让 AI 真正拥有“长久记忆”！-TiMem

[BeanzZ]

团队潜心研发的 TIMEM 正式开源。
无需微调，基于时序分层记忆巩固，让 AI Agent 从片段信息进化到稳定人格。
欢迎围观、点 Star 支持原创开源！
🔗 GitHub: https://github.com/TiMEM-AI/timem
📄 Arxiv: https://arxiv.org/abs/2601.02845
#AIAgent #开源项目 #TIMEM #长期记忆

https://docs.timem.cloud/ 开发者文档，欢迎阅读和进群交流（链接内附二维码）

[Tink]

这个和 memU 比呢？优势是啥

[caocong]

总算看到有点意思的东西了，不知道实际效果如何

[myderr]

所以这是一个框架,不是一个产品哦，不能直接开箱即用

[rmrf]

很赞！ 我研究一下。

但是 https://timem.ai/ 网站证书不太对，打开之后浏览器会告警，建议更新一下

[MindMindMax]

与 mem0 比较，有啥突出的吗？

[callmecaiyuyu]

这种长久记忆的实现，会导致上下文爆炸吗

[wyntalgeer]

这项目...Deepseek-V4 一发布就散伙？

[tw2ex]

感觉可以，试试看

[zh10086]

3 周前最后一次提交，更新维护的时间有点长

[DefoliationM]

看着不错，有时间瞅瞅，准备开抄。

[cp19890714]

这种项目最近实在太多了，个个都说自己很强，一调研也就那样。

[felixcode]

业界前三强的长期记忆方案已经有 50 个了

[BeanzZ]

@Tink TiMem 核心优势在于其时间分层结构 (TMT) 。相比传统方案，它不只是做语义搜索，而是将记忆按“片段-会话-日-周-画像”分层固化，能更好地处理随时间演进的用户偏好 。

[BeanzZ]

@caocong TiMem 在长程对话基准 LoCoMo 上达到 75.30%的最高准确率，且比 Mem0 减少了 52.20%的召回长度，效率与精度兼顾。

[BeanzZ]

@rmrf 感谢反馈！

[BeanzZ]

@MindMindMax 最突出的点是避免记忆碎片化 。Mem0 倾向于召回孤立的事实，而 TiMem 通过 TMT 树状结构能串联起带有因果链条的时间证据，更擅长回答复杂的逻辑或偏好问题 。

[BeanzZ]

@callmecaiyuyu 不会。TiMem 引入了复杂度感知召回和召回门控 (Recall Gating) ，只保留最相关的记忆，实测召回 token 数远低于 MemoryBank 等方案 。

[BeanzZ]

@wyntalgeer TiMem 是系统层的创新，不论底层模型如何进化（如长上下文能力提升），分层存储和抽象画像的逻辑在处理无限交互时依然具有独特的结构化优势 。

[BeanzZ]

@felixcode 技术实现方案和侧重点不同

[mooncakeSec]

我理解就是 把事件记忆，从平铺的 rag 检索，变成按照时间周期分层，tree 检索

[Tink]

@BeanzZ #13 具体咋用呢？能直接让 claude code 或者 openclaw 用吗

[coefu]

可以的，有点东西的。

[BeanzZ]

@Tink 正在推进 openclaw 的集成，欢迎阅读文档进群讨论