Agent Infra 的创业浪潮来了，我们访谈了一位字节系创业者｜对谈 MemU 创始人陈宏

离开 Seed 后，要赋能 AI 情感陪伴产品的记忆系统

Memory 一直是 AI 产品的技术「痛点」和必争之地。因为决定用户留存，很多有野心的创业者在思考如何借助 AI 长期化时，都会聚焦 AI + Memory 领域。

最近，Memory 技术新框架 MemU 在 GitHub 上的开源项目，获得了很多关注，2 周内获得了 1.4K Star。其在 Locomo 数据集所有推理任务中平均准确率达到 92.09%，成本也大幅降低。

今天，「十字路口」与 MemU 的创始人陈宏进行了一场深度访谈，他向我们展示了：一个不擅长做产品的技术客，如何帮其他团队做出真正好的新一代情感陪伴产品。

快问快答

👦🏻 Koji

年龄？

👦🏻 陈宏

93 年

👦🏻 Koji

毕业院校？

👦🏻 陈宏

本科山东大学，硕士博士东京大学 NLP 方向。

👦🏻 Koji

创业前，做过什么？

👦🏻 陈宏

在 TikTok 客服机器人，以及后来在字节 Seed 训练大模型，曾经也是豆包和猫箱 Memory 的算法负责人。

👦🏻 Koji

一句话介绍公司/产品？

👦🏻 陈宏

MemU 是一个面向长期情感陪伴、对用户的记忆管理系统。与其他 Memory System 的区别是，我们采用了「文件系统」作为 Memory 的载体，然后使用一个记忆管理员 Agent 来管理用户的记忆文件系统，以达到更加准确和高效地召回，并且通过优化手段大量降低使用成本。

MemU 官网：https://memu.pro/

👦🏻 Koji

收入和利润？

👦🏻 陈宏

产品刚发布，现在已经开始在和 B 端接触。

👦🏻 Koji

最新的融资和估值情况？

👦🏻 陈宏

暂不披露。

👦🏻 Koji

团队规模？

👦🏻 陈宏

我们团队现在有 6 个全职同学，分别来自我之前的学校、公司，以及开源社区。另外还有一些兼职朋友在帮忙，以及技术和运营方面的顾问提供支持。

从「不擅长做产品」到「Memory 服务」

👦🏻 Koji

你如何快速向用户安利 MemU？

👦🏻 陈宏

如果你开发的产品对用户的长期记忆强依赖（助手、角色扮演、OC、教育、陪伴玩偶等等），就可以来找我们。

👦🏻 Koji

为什么选择做 MemU？

👦🏻 陈宏

我在 Seed 和后来在豆包、猫箱做的都是情感陪伴方向的产品。说来也挺神奇的，我们一开始对标 Pi.ai，结果 Pi 倒了；后来对标 Character.AI，Character.AI 也倒了。基本上对标谁，谁就倒闭。

情感陪伴这个方向现在市场上擦边的产品确实越来越多。但我还是很看好长期情感陪伴，觉得一定会有更好的产品出现。

从 Seed 离职后我尝试过自己做产品，后来发现自己并不是做产品的料。于是换了个思路——既然我不擅长做产品，就帮助其他有同样理想的朋友们去做。所以我选择做 Memory Service，这是长期陪伴产品里最重要的一块，希望能帮大家做出真正好的新一代情感陪伴产品。

MemU 在 Locomo 数据集的所有推理任务中平均准确率达到 92.09%

👦🏻 Koji

你提到「自己不是做产品的料」，转而做底层 Memory 服务。这种自我认知是怎么形成的？

👦🏻 陈宏

离职后和朋友一起搞独立开发，尝试了不少线上产品。后来发现一个问题——我产品设计能力不行。可能是搞算法久了，总想着怎么把技术怼进产品，做得越炫越好，但反而不知道用户真正需要什么。

折腾一段时间后和一些 PM 朋友交流，才明白自己确实不太擅长做 to C 的东西，产品 Sense 差点意思。

👦🏻 Koji

两年前你在 Seed 服务豆包、猫箱做 Memory System，现在因为模型和技术的进步，和当时相比有什么区别？Memory 是变得更重要，还是被模型能力覆盖了？

👦🏻 陈宏

我从 23 年 7 月开始负责 Seed Memory 算法部分，说实话，从那时到现在市面上的 Memory 方案基本没啥变化。当时就觉得这套方案不太对劲——换 GPT-4、GPT-5，甚至 Claude，对现有的 Memory Solution 提升都不大，因为框架本身就没有 Scale Up 的能力。

最近 Agentic 能力的提升给了我们新的灵感。我们想，为什么不把 Memory 映射成文件系统呢？记忆的记录、修改、删除、读取，不就是文件操作吗？

学术界和工业界有人做过文本记录的 Memory，但把这个概念用在 Agent 对用户的记忆上，还算是新尝试。文件系统特别适合做 Memory 载体，因为它天然支持分类、引用、搜索和遗忘机制。MemU 的记忆 Agent 要做的，就是帮用户自动完成这些操作。

MemU 的系统架构

👦🏻 Koji

AI 长期记忆的市场格局是什么样的？能不能帮我们科普一下？

👦🏻 陈宏

Memory 是个很大的概念。我们专注在情感陪伴，聚焦于 Agent 对用户的 Memory。

其实 Memory 有多个维度：

【1】Agent 自己的 Memory：记录 Workflow、Action 结果、Reflection，加快类似任务的执行，提升任务完成的成功率；

【2】Agent-to-Agent Memory：多 Agent 协作时记录彼此的 Preference，未来 Agent Network 里这会是类似推荐系统的机会。

从技术角度看，Memory 和 Self-Evolving 也是密不可分的——Agent 可以通过 Experience 实现自我学习。

不过市场现状挺尴尬的，像市场上的头部第三方 Memory 服务 Mem0，市场影响力确实不错，但朋友们用下来都说效果一般。问题是，Memory 这种额外 Cost 的服务，效果一般就等于没用——有这钱还不如升级模型或提升 Agent 能力。

还有个问题：长期记忆的验证周期太长。次留、7 日留存这些指标根本体现不出 Memory 的价值——可能连模型的 Context Window 都没超过。要看 30 日留存或更长？现在 AI 产品迭代这么快，根本等不起，Memory 就成了不可控的实验变量。

👦🏻 Koji

既然如此，为什么你现在选择创业做 Memory？

👦🏻 陈宏

因为放眼未来，Memory 是个巨大的市场。Agent 是今年最火的 Topic，Multi-Agent 很可能是年底或明年的热点，然后就是 Agent Network。

有人说每个做 Agent 的公司都会自建 Memory System——Single Agent 时代也许可以，但当市场上有几亿甚至几百亿 Agent，甚至 Agent 开始生产 Agent 时，Memory 就不太可能定制在每个 Agent 里。那时候 Memory 必然作为第三方组件被大量调用，成为 To-Agent 产品。什么是 To-Agent 产品？就是为 Agent 设计的应用——Browser Use、各种 Sandbox、MCP 服务，Memory 也是其中之一。

从流量逻辑看，当 DAU 中的 U（User）不单单是人类用户的时候，Memory 可能会成为比较大的 To-Agent 应用之一。

👦🏻 Koji

为什么你们选择「AI 陪伴」这个细分领域，而不是更通用的记忆框架？

👦🏻 陈宏

提到 AI 陪伴，大家第一反应可能是 Character.AI 或者一些擦边产品，这其实是个误区。陪伴的范围很广——AI 助手、AI 教育、甚至星座占卜，本质上都是陪伴。只要需要更懂你，就是 MemU 的服务对象。

为什么选择垂直场景？

AI 时代大家都想做通用，这很正常。用文件系统管理 Memory 确实通用，理论上能套用在所有 Domain。但套用不等于做好——Memory 对场景依赖性极强。比如，同一个文件在工作电脑和私人电脑里的重要性完全不同。现阶段没有足够数据支撑整个 Memory 系统，所以必须往场景切。

为什么选情感陪伴？

说实话，我就是喜欢这个赛道。现在大家都在做短期情感刺激，这变不成长期陪伴。我身边很多朋友对真正的长期陪伴有美好憧憬。虽然我们没能力做完整产品，但能在技术上帮朋友们实现真正的情感陪伴。

MemU 的独特之处是引入了 「Theory of Mind」——让 Agent 能对已有 Memory 进行 Reasoning，拓展理解。

举个例子：你一直说喜欢喝咖啡，今天给你点咖啡，你突然说不喜欢。

• 普通 Memory System：要么保留「喜欢咖啡」，要么改成「不喜欢咖啡」

• MemU 会记录：「你今天可能心情不好」或「是不是最近失眠了，压力太大？」

这种深层理解对长期陪伴的成功至关重要。

与大厂不同的路, MemU 的技术取舍

👦🏻 Koji

MemU 与其他产品（如 Mem0、Zep 等）相比，最大的差异化优势是什么？

👦🏻 陈宏

效果好，成本低，召回速度快，且场景专注。

👦🏻 Koji

你最关注的竞争对手是谁？为什么？

👦🏻 陈宏

Memory 未来一定是一个庞大的市场。现在大家体量都很小，没必要竞争，不如合作起来去抢大厂的 Scope。

👦🏻 Koji

最近大厂也在行动。「十字路口」播客刚访谈了阿里云无影事业部总裁旭卿，他们推出的 AgentBay 产品中也包括了 Memory 服务。你打算如何与大厂抢份额？

👦🏻 陈宏

Agent 平台肯定会有自己的 Memory System，但在他们的服务里，Memory 只是一个很小的组件，大厂在这块的投入肯定不够。

👦🏻 Koji

Manus、Genspark 等头部的 Agent 产品，是你的典型客户吗？

👦🏻 陈宏

不是。我们主打陪伴类场景，而 Manus、Genspark 还是工具效率类为主。

对情感陪伴来说，To-User 的长期记忆是核心，必须记住用户的点点滴滴。但像 Manus 和 Genspark，他们关注的是 Agent 自己的 Memory，用来控制成本。To-User Memory 在他们的 ROI 里只占很小一部分。

说白了，不同场景的 Memory 优先级完全不同。我们选择做最需要 User Memory 的场景。

👦🏻 Koji

你们选择开源关键技术，担心被别人「抄走」吗？

👦🏻 陈宏

开源不等于做公益，也有 License 协议。只有大家遵守协议，生态才能更好发展。

我们的策略和其他开源公司类似，会同时维护开源版和商业版。商业版领先 1-2 个版本，付费用户能拿到更新更好的功能，也帮助我们商业化。

MemU GitHub 项目官网：https://github.com/NevaMind-AI/memU

👦🏻 Koji

速度、成本、效果，什么最重要？你在内部有给出优先级吗？

👦🏻 陈宏

成本一直是我们最关注的。

因为我们是一个 Agent 系统，从 Token 调用量来看远超过普通方案，但效果也显著更好。问题是，大多数客户很难接受，因为 Memory 对收入的提升不明显。所以我们计划在 9 月有一波大的更新，大家可以保持关注。

👦🏻 Koji

LLM 的记忆到底是怎么回事？

👦🏻 陈宏

很多人搞不清 LLM 里的「短期记忆」和「长期记忆」。我打个比方：

场景 1：正在看（短期记忆）。比如你刚看完一篇关于 MemU 的访谈，能一字不差复述。这就像 Context 窗口。

场景 2：过了一天（长期记忆-核心）。你只记得 「MemU 是个做 Memory 服务的公司」这种核心概念。这些精华通常放在 System Prompt 里。

场景 3：需要细节时（长期记忆-检索）。有人问技术细节？那就得去 Retrieval，从「档案室」里翻相关资料。

👦🏻 Koji

那理想的 LLM 系统应该怎么工作？

👦🏻 陈宏

对话开始时，把重要背景知识（场景 2）放进 System Prompt，保持不变。聊着聊着，对话内容累积成短期记忆（场景 1）。用户问到背景知识之外的内容，就去 Memory 库搜索（场景 3），把结果接在用户问题后面。聊完后，把精华总结更新到长期记忆里，为下次准备。

简单来说，场景 1 是短期记忆，场景 2 和 3 是长期记忆。尤其在陪伴类应用上，场景 2 更重要，它决定了 AI 的「人设」和基础认知。

👦🏻 Koji

目前业界在解决 Memory 问题上，大致有哪些主要技术路径？它们各自的优势和局限是什么？

👦🏻 陈宏

从技术角度看，要完美解决 Memory 有两条路径：Context 管理和无限长文本模型。理论上，两条路径如果做到极致，都能完美解决长期记忆的问题。

从实践层面看，Context 更简单，但容易导致开发者「显式建模」。长文本模型的能力还远不足以支撑长期记忆，不管是推理效率还是长文本推理质量都大打折扣。

还有一些参数化的记忆方法，但基本还停留在实验室研究阶段。综合来看，我们还是选择了基于 Context 的长期记忆方向去努力。

👦🏻 Koji

在设计 MemU 时，你们最关注的用户体验细节是什么？

👦🏻 陈宏

我们发现，很多团队在做 AI 产品时不知道怎么正确利用 Context。比如，有些人把 Context 窗口设置得很小，频繁调用 Memory 来省 Token，结果却失去了 Context 的 Cache，导致输入成本更高。

因为我们团队之前做过大型应用（像豆包、星野），所以很清楚 AI 聊天软件的开发逻辑。我们会提供一系列 Tutorial，告诉开发者如何节省成本，如何达到最佳 Memory 效果，如何配合对话模型实现最优体验。

为什么创业？谁能做出真正的 AI 陪伴？

👦🏻 Koji

你为什么要创业？

👦🏻 陈宏

这个问题应该反过来问：为什么不创业？

Agent 出现之后，就是一次新的浪潮，到处都是新的机会。我个人也非常看好长期情感陪伴方向。并且我相信，以 DAU 作为北极星指标的大厂，是做不好长期陪伴产品的。

👦🏻 Koji

最后一个问题：在你看来，现在这个行业里，有哪些团队最有可能真正做出能安慰人、抚慰人、帮助人的 AI 陪伴产品？他们具备哪些特征？

👦🏻 陈宏

情感陪伴类 App 一直被「擦边」这个问题拖累。擦边内容吸引来的用户会让反馈数据完全跑偏，Reward 数据一跑偏，整个产品的模型迭代飞轮就转不动了——这是赛道的死结。

但最近看到一些新气象，比如「 Tolan」，还有国内的「林间聊愈室」，以及其他团队的尝试，都在认真做不一样的东西。

说实话挺讽刺的：有钱有技术的大公司都在搞擦边赚流量和快钱，反而是资源有限的小团队在认真做情感治愈。

在这种环境下，我们能给这些有理想的团队提供技术支持，也算是做点对社会有意义的事情。

文章来自于微信公众号“十字路口Crossing”，作者是“Koji”。