参数记忆 (正在开发中)
正在开发中
该功能仍在积极开发中，敬请期待更新！
参数记忆 (Parametric Memory) 是 MemOS 架构中核心的长期知识与能力载体。与明文记忆或激活记忆不同，参数化记忆将语言结构、世界知识以及通用推理能力的深度表征进行编码，直接嵌入在模型的权重之中。
在 MemOS 的架构设计中，参数化记忆不仅仅局限于静态的预训练权重，它还包含了LoRA 适配器和专家插件模块等模块化的权重组件。这使得你能够在无需重新训练整个模型的情况下，逐步扩展或定制 LLM 的能力。
例如，你可以将结构化或固定的知识提炼为参数形式，将其保存为独立的能力模块 (Capability Blocks)，并在推理过程中动态加载或卸载。这使得为法律推理、财务分析或特定领域摘要等任务创建“专家子模型”变得轻而易举——而这一切都由 MemOS 统一管理。
设计目标
- 可控性 — 支持按需生成、加载、切换或组合参数模块。
- 可塑性 — 与明文记忆和激活记忆协同演进；支持知识的提炼与回滚。
- 可追溯性 (开发中) — 提供参数模块的版本控制与管理功能。
当前状态
参数化记忆 (Parametric Memory) 目前仍处于设计和原型验证阶段。我们计划在未来的版本中发布用于生成、压缩以及热插拔参数模块的 API，旨在更好地支持多任务、多角色及多智能体架构。
请持续关注我们的更新！
相关模块
虽然参数记忆正在开发中，但今天你已经可以尝试这些:
- GeneralTextMemory: 基于向量的灵活语义存储
- TreeTextMemory: 结构化、层次化和知识图谱
- Activation Memory: 高效的运行时状态缓存
开发者注意事项
参数化记忆将补全 MemOS 关于统一 Memory³ 架构的愿景：
- 参数化记忆: 内化与嵌入的隐式知识
- 激活记忆: 短暂的运行时状态
- 明文记忆: 结构化、可追溯的显式外部记忆
三者有机结合，将构建出一个适应性强、可持续进化且具备可解释性的智能系统。