Membrane是什么？2026年智能体系统选择性学习与记忆框架详解

一个为LLM和智能体系统设计的通用选择性学习与记忆基板。

Membrane为长生命周期的LLM智能体提供了结构化、可修订、内置衰减、基于信任门控检索和审计追踪的记忆能力。它摒弃了仅追加的上下文窗口或扁平文本日志，转而提供类型化的记忆记录，这些记录可以随着时间推移进行整合、修订、质疑和修剪。

---

目录

• 为何选择 Membrane
• 60秒心智模型
• 核心特性
• 记忆类型
• 快速开始
• 架构
• 配置
• gRPC API

---

为何选择 Membrane

大多数LLM/智能体的“记忆”要么是短暂的（每次对话重置的上下文窗口），要么是塞入RAG管道的仅追加文本日志。这提供了检索功能，但没有学习能力：事实会过时，流程会漂移，系统无法安全地自我修正。

Membrane使记忆变得可选择和可修订。它捕获原始经验，将其提升为结构化知识，并允许你基于证据来取代、分叉、质疑或撤回这些知识。其结果是，智能体能够随时间推移不断改进，同时保持可预测性、可审计性和安全性。

60秒心智模型

1. 摄取 事件、工具输出、观察结果和工作状态。
2. 整合 将情景痕迹转化为语义事实、能力记录和计划图。
3. 检索 通过信任门控和显著性排序进行分层检索。
4. 修订 通过显式操作和审计追踪来修订知识。
5. 衰减 除非被成功强化，否则显著性会随时间衰减。

核心特性

• 类型化记忆 -- 每种记忆类型都有明确的模式和生命周期，而非扁平的文本存储。
• 可修订知识 -- 可以取代、分叉、撤回、合并和质疑记录，并具有完整的来源追踪。
• 能力学习 -- 智能体学习如何解决问题（流程、成功率），而不仅仅是发生了什么。
• 衰减与整合 -- 基于时间的显著性衰减保持记忆的实用性；后台整合从情景痕迹中提取语义事实、能力记录和计划图。
• 基于LLM的语义提取 -- 在Postgres + LLM层级，情景记录可以通过结构化提取管道异步转换为类型化的语义事实。
• 信任感知检索 -- 具有分级访问控制的敏感度级别（公开、低、中、高、极高），对于超出调用者信任级别的记录返回脱敏响应。
• 安全与运维 -- SQLCipher静态加密，可选的TLS和API密钥认证，可配置的速率限制，完整的审计日志。
• 可观测性 -- 内置检索效用、能力成功率、计划复用频率、记忆增长和修订率等指标。
• gRPC API -- 包含15个方法的gRPC服务，提供TypeScript和Python客户端SDK，也可将Membrane作为嵌入式Go库使用。
• 向量感知检索 -- 启用Postgres + pgvector后端后，能力和计划图的适用性可以通过嵌入相似度来评分，而不仅仅是依赖置信度回退机制。
• LLM就绪的上下文检索 -- 检索经过信任过滤的类型化记忆，并直接注入到LLM提示中，用于规划、执行、自我纠正和后台学习循环。

记忆类型

每种记忆类型都有其自己的模式、生命周期规则和整合行为。情景记录一旦摄取就不可变。工作记忆追踪进行中的任务状态。语义、能力和计划图记录是整合产生的持久化输出，可以通过显式操作进行修订。

快速开始

先决条件

• Go 1.22 或更高版本
• Make
• Protocol Buffers 编译器 (protoc >= 3.20) 用于 gRPC 开发
• Node.js 20+ 用于 TypeScript 客户端 SDK
• Python 3.10+ 用于 Python 客户端 SDK

构建与运行

git clone https://github.com/GustyCube/membrane.git
cd membrane

# 构建守护进程
make build

# 运行测试
make test

# 使用默认 SQLite 存储启动
./bin/membraned

# 使用 Postgres + pgvector 启动
./bin/membraned --postgres-dsn postgres://membrane:membrane@localhost:5432/membrane_test?sslmode=disable

# 使用自定义配置
./bin/membraned --config /path/to/config.yaml

# 覆盖数据库路径或监听地址
./bin/membraned --db /path/to/membrane.db --addr :8080

使用 Go 库

Membrane 可以作为嵌入式库使用，无需运行守护进程：

package main

import (
    "context"
    "fmt"
    "log"

    "github.com/GustyCube/membrane/pkg/ingestion"
    "github.com/GustyCube/membrane/pkg/membrane"
    "github.com/GustyCube/membrane/pkg/retrieval"
    "github.com/GustyCube/membrane/pkg/schema"
)

func main() {
    cfg := membrane.DefaultConfig()
    cfg.DBPath = "my-agent.db"

    m, err := membrane.New(cfg)
    if err != nil {
        log.Fatal(err)
    }
    defer m.Stop()

    ctx := context.Background()
    m.Start(ctx)

    // 摄取一个情景事件（工具调用观察）
    rec, _ := m.IngestEvent(ctx, ingestion.IngestEventRequest{
        Source:    "build-agent",
        EventKind: "tool_call",
        Ref:       "build#42",
        Summary:   "Executed go build, failed with linker error",
        Tags:      []string{"build", "error"},
    })
    fmt.Printf("Ingested episodic record: %s\n", rec.ID)

    // 摄取一个语义观察
    m.IngestObservation(ctx, ingestion.IngestObservationRequest{
        Source:    "build-agent",
        Subject:   "user",
        Predicate: "prefers_language",
        Object:    "go",
        Tags:      []string{"preferences"},
    })

    // 摄取工作记忆状态
    m.IngestWorkingState(ctx, ingestion.IngestWorkingStateRequest{
        Source:     "build-agent",
        ThreadID:   "session-001",
        State:      schema.TaskStateExecuting,
        NextActions: []string{"run tests", "deploy"},
    })

    // 在信任上下文中检索
    resp, _ := m.Retrieve(ctx, &retrieval.RetrieveRequest{
        TaskDescriptor: "fix build error",
        Trust: &retrieval.TrustContext{
            MaxSensitivity: schema.SensitivityMedium,
            Authenticated:  true,
        },
        MemoryTypes: []schema.MemoryType{
            schema.MemoryTypeCompetence,
            schema.MemoryTypeSemantic,
        },
    })

    for _, r := range resp.Records {
        fmt.Printf("Found: %s (type=%s, confidence=%.2f)\n", r.ID, r.Type, r.Confidence)
    }
}

架构

Membrane 可以作为长生命周期守护进程或嵌入式库运行。其架构组织为三个逻辑平面：

+------------------+     +------------------+     +----------------------+
|  摄取平面        |---->|  策略平面        |---->|  存储与检索平面      |
+------------------+     +------------------+     +----------------------+
        |                        |                         |
   事件、工具输出、       分类、敏感度、           SQLCipher（加密）、
   观察、工作状态         衰减配置文件            审计追踪、信任门控访问

存储模型

• 权威存储 -- 带有 SQLCipher 的 SQLite 仍然是默认的嵌入式存储；Postgres + pgvector 可作为可选后端，用于并发部署和基于嵌入的检索。
• 结构化负载 -- 类型特定的模式以 JSON 格式存储在权威存储中。
• 关系图 -- 记录之间的关系（取代、源自、被质疑、支持、矛盾）与它们所描述的记录一起存储。

部署层级

后台作业

常见问题（FAQ）

Membrane与传统RAG的记忆管理有何不同？

Membrane提供结构化、可修订的记忆，具备内置衰减和信任门控检索，而传统RAG通常依赖仅追加的文本日志，缺乏学习能力和安全修订机制。

如何开始使用Membrane构建智能体系统？

参考快速开始章节，确保满足先决条件后，按照构建与运行步骤操作。Membrane提供类型化记忆记录和gRPC API，支持智能体的选择性学习与记忆管理。

Membrane如何确保智能体的安全性和可审计性？

通过信任门控检索、审计追踪和可修订知识功能，Membrane允许基于证据取代、分叉或撤回记录，确保智能体改进的同时保持可预测和可审计。