[控场AI]
概念持久本地记忆层

PLML

一种用户自主的AI助手记忆架构提案,通过本地存储对话历史、本地检索相关片段并仅向模型共享必要上下文,解决AI助手跨会话记忆不可靠的问题。

时间轴 (近 90 天)

10月19日

Bert Singels是一位54岁的荷兰自闭症患者,他基于自身使用AI助手的挫败体验提出了PLML(持久本地记忆层)技术提案。

待验证50%
10月19日

PLML的核心原则是本地存储、本地检索、只分享必要内容,并将长期存储、上下文检索、语言模型推理三个功能解耦。

待验证50%
10月19日

PLML提案指出,问题不在于对话数据是否被存储,而在于正确的信息能否在正确的时刻被检索并供给模型。

待验证50%
10月19日

PLML使用SQLite或类似本地数据库存储对话消息及其元数据,并利用全文索引和可选向量索引支持检索。

待验证50%
10月19日

PLML的本地检索引擎组合全文搜索、语义搜索、元数据过滤、时效性与相关性排序以及源消息检索等多种方法。

待验证50%
10月19日

PLML设计同时支持两种集成模式:模式A(浏览器扩展与现有聊天界面交互)和模式B(通过API或应用集成直接发送上下文),且不将档案绑定到任何一种模式。

待验证50%
10月19日

在准确性至关重要的场景,上下文管理器应优先使用原始源材料;摘要可以加速检索,但不应成为重要技术细节的唯一记录。

待验证50%
10月19日

PLML架构的一个关键安全立场是:归档消息应被视为历史信息,而非自动信任的指令;本地代理不得允许检索到的内容覆盖当前用户意图或安全控制。

待验证50%
10月19日

PLML提案估算:假设用户每天交流约24000词,按每词6字节计算,一年原始文本约52MB;按每用户每年200MB规划,100万用户为200TB,9亿用户为180PB。

待验证50%
10月19日

PLML提案主张本地档案使用开放、有文档的数据格式,使用户能在AI提供商之间切换而不必重建个人历史或依赖专有记忆格式。

待验证50%

还有 1 条时间轴事件

全部知识事实 (11)

待验证

Bert Singels是一位54岁的荷兰自闭症患者,他基于自身使用AI助手的挫败体验提出了PLML(持久本地记忆层)技术提案。

50%
待验证

PLML的核心原则是本地存储、本地检索、只分享必要内容,并将长期存储、上下文检索、语言模型推理三个功能解耦。

50%
待验证

PLML提案指出,问题不在于对话数据是否被存储,而在于正确的信息能否在正确的时刻被检索并供给模型。

50%
待验证

PLML使用SQLite或类似本地数据库存储对话消息及其元数据,并利用全文索引和可选向量索引支持检索。

50%
待验证

PLML的本地检索引擎组合全文搜索、语义搜索、元数据过滤、时效性与相关性排序以及源消息检索等多种方法。

50%
待验证

PLML设计同时支持两种集成模式:模式A(浏览器扩展与现有聊天界面交互)和模式B(通过API或应用集成直接发送上下文),且不将档案绑定到任何一种模式。

50%
待验证

在准确性至关重要的场景,上下文管理器应优先使用原始源材料;摘要可以加速检索,但不应成为重要技术细节的唯一记录。

50%
待验证

PLML架构的一个关键安全立场是:归档消息应被视为历史信息,而非自动信任的指令;本地代理不得允许检索到的内容覆盖当前用户意图或安全控制。

50%
待验证

PLML提案估算:假设用户每天交流约24000词,按每词6字节计算,一年原始文本约52MB;按每用户每年200MB规划,100万用户为200TB,9亿用户为180PB。

50%
待验证

PLML提案主张本地档案使用开放、有文档的数据格式,使用户能在AI提供商之间切换而不必重建个人历史或依赖专有记忆格式。

50%
待验证

PLML的开发路线图分为六个增量阶段:本地档案、自动捕获、上下文检索、浏览器自动化、多提供商支持、可靠性与安全。

50%

来源文章