# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
当大模型公司还在竞争更长的上下文窗口、更强的推理能力和更复杂的 Agent 工作流时，一家名为 Engram 的新公司选择押注另一个问题：AI 能不能像人一样，持续从每天接触到的资料、对话和经验中学习？
这家公司刚刚公开亮相，并已完成 9800 万美元融资，投资方包括 General Catalyst、Kleiner Perkins、Sequoia 等一批头部风投机构。它的投资人与顾问名单中，还包括 Assaf Rappaport、Andrej Karpathy 和 Pieter Abbeel。
Andrej Karpathy 和 Jason Wei 也纷纷发来贺电。
Engram 想解决的问题是：模型懂互联网，却不懂你的公司。
今天的 AI 能回答问题、读代码、写文档，但对组织内部的关键知识并不熟悉——项目决策、历史取舍、团队讨论等，大多不在训练数据中。因此，企业只能反复提供上下文，模型每次都要重新理解，成本高且容易出错，对话结束后还会遗忘。
Engram 认为，AI 不该只是临时读取上下文，而应真正学会它。
Engram 的核心定位，是为 AI 构建一个能够持续学习的「记忆层」。
它想解决的不是模型能不能临时读到更多资料，而是模型能不能真正吸收组织内部的知识，并在之后的任务中自然调用。相比常见的 RAG 或长上下文方案，Engram 试图把计算前移：让模型提前学习 GitHub、Slack、Notion、文档和项目记录中的信息，而不是每次回答问题前重新检索、重新阅读。
这也是 Engram 与许多 AI 应用公司的不同之处。它押注的不是更长的聊天窗口，而是一个新的 scaling 方向：从强大的预训练模型出发，把训练计算投入到用户和企业真正关心的私有上下文中。
按照公司介绍，Engram 已经在内部让模型每天学习公司数据，未来希望把更新频率提升到每小时，最终达到每分钟。其目标是找到一种统一的训练算法，可以吸收任意规模、任意形式的数据，让模型在持续使用中不断变好。
Engram 的首个产品是一套面向 Agent 的 API，服务于大型共享知识工作区。目前，公司已经公布了与 Notion、Harvey 和 Microsoft 的早期合作：Notion 用于构建理解大型 Notion 工作空间的 Custom Agents，Harvey 场景则聚焦律所和企业知识，Microsoft 方向则是在 M365 中试点更高效的定制化 Agent。
Notion、Harvey 和 Microsoft 这三类场景有一个共同点：知识密度高、上下文复杂，而且一次性检索很难解决问题。Engram 押注的正是这一类企业场景——模型不只是会调用工具，还要能长期消化组织内部的信息流。
Engram 的团队背景高度集中在持续学习和模型记忆问题上。
从公开材料看，这家公司更像是一支围绕研究命题组建的 AI 团队。团队成员长期关注持续学习、上下文压缩、检索增强、LoRA、合成数据、长上下文以及记忆架构等方向，核心问题始终围绕一点：如何让模型从持续变化的数据中学习，同时避免遗忘和失控。
公司创始人与核心成员包括 Dan Biderman、Sabri Eyuboglu、Jessy Lin、Jack Morris 等人。团队成员曾从多个角度研究过记忆与遗忘问题，包括人类如何记忆、机器如何遗忘，以及模型如何在学习新知识时保留旧能力。
这也解释了 Engram 为什么把「持续学习」放在公司战略中心。它要做的不是一个外挂式记忆功能，而是一套从训练算法、系统架构到产品体验都围绕长期学习设计的基础设施。
对 Engram 来说，真正的挑战在于证明持续学习可以从研究问题走向稳定产品。模型要能学习企业数据，还要做到可靠、可控、可审计，并能在多轮更新后持续产生价值。
文章来自于"机器之心"，作者 "机器之心编辑部"。
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目，它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
【开源免费】DB-GPT是一个AI原生数据应用开发框架，它提供开发多模型管理（SMMF）、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL（智能体工作流编排）等多种技术能力，让围绕数据库构建大模型应用更简单、更方便。
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础，任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤，并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。
项目地址：https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file
本地安装：https://www.deepbi.com/
【开源免费】airda(Air Data Agent)是面向数据分析的AI智能体，能够理解数据开发和数据分析需求、根据用户需要让数据可视化。
项目地址：https://github.com/hitsz-ids/airda
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】graphrag是微软推出的RAG项目，与传统的通过 RAG 方法使用向量相似性作为搜索技术不同，GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址：https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG，Agent，模型管理等一站式AI开发的工具平台，并且项目方一直持续维护。其中在任务编排方面相对领先对手，可以帮助研发实现像字节扣子那样的功能。
项目地址：https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目，该项目在大文件解析方面做的更出色，拓展编排方面相对弱一些。
项目地址：https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储，并通过AI实现RAG功能的项目
项目地址：https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG，Agent，大模型管理等AI项目开发的工具平台，比LangChain更强大的中间件AI平台工具。
项目地址：https://github.com/TaskingAI/TaskingAI
