讓AI「像人類一樣記憶」。開源基於大腦機制的「活記憶」資料庫「Cerememory」
Co-R-E株式會社開源了「Cerememory」，這是一個基於大腦機制、旨在賦予AI代理類人記憶的「活記憶」資料庫。此舉旨在解決AI長期記憶的挑戰。
📋 文章處理履歷
- 📰 發表: 2026年5月7日 20:55
- 🔍 收集: 2026年5月7日 12:01
- 🤖 AI分析完成: 2026年5月7日 12:47（收集後45分鐘）
作為一家AI連接公司，Co-R-E株式會社（總部：東京都新宿區，代表董事：奧脇真人，以下簡稱Co-R-E）發布了「Cerememory（セレメモリ）」，這是一個實現大腦結構的記憶層，旨在為AI代理提供「活記憶」資料庫。它以開源形式提供，任何人都可以使用。
官方網站：https://co-r-e.github.io/cerememory-docs/ja
GitHub：https://github.com/co-r-e/cerememory
■ 為何參考人類記憶系統？
目前，「讓AI代理擁有長期記憶」是全球開發者面臨的課題。各公司的記憶功能、使用向量資料庫的RAG、各種上下文工程技術。許多優秀的實作已經問世。
然而，當我們綜觀這些努力時，一個問題浮現了：「當思考AI記憶的理想狀態時，最佳的落腳點會是什麼？」
這個問題的答案其實近在咫尺：一個像我們人類一樣的活記憶系統。
人類的記憶不僅僅是儲存和檢索資訊的機制。重要的經歷會鮮明地保留，微不足道的事件會逐漸淡忘。相似的記憶會混淆，一旦想起一個，相關的記憶就會連鎖般地湧現。每個人都曾有過因懷舊的氣味而喚起童年記憶的經歷。
在睡眠期間，一天的事件會被整理並整合成長期知識。這是一個經過數十萬年進化磨練的極其複雜的資訊處理系統。
Cerememory所面對的問題不是「如何讓AI擁有記憶」，而是「人類長期以來所獲得的卓越記憶機制，能在多大程度上引入AI的記憶層？」Cerememory的方法是將神經科學研究中觀察到的現象作為執行系統來實現，而不僅僅是作為資料結構。
■ Cerememory的三個設計原則
將記憶視為「動態的活物」，而非「靜態儲存的物體」。
人類的記憶並不像硬碟那樣靜態儲存。重要的事物會被強化，不使用的會淡化，每次回憶時都會略微改變。Cerememory也繼承了這一特性，將衰減、干擾、再激活、睡眠中夢境時記憶的整理、整合等動態過程，作為執行系統而非僅僅作為資料結構來實現。記憶並非在寫入瞬間固定，而是隨時間動態地持續運動。
記憶不僅應有「內容」，還應有「原因」。
許多人可能都曾因不理解AI代理行為的意圖而感到困擾。當一個人記住某事時，該記憶會伴隨著「為何認為它重要」、「如何做出該判斷」等元上下文。Cerememory為AI代理的所有記憶記錄都設有一個元記憶平面，結構化地記錄「它為何存在」。意圖、依據、證據、替代方案、決策。記憶不僅可以透過AI代理的行為內容追溯，還可以透過其原因追溯。
使記憶層獨立於AI。
人類的記憶屬於個人，不從屬於特定的對話夥伴。Cerememory也持相同立場。透過其獨特的協議「CMP*」，它可以從任何LLM（包括Claude、GPT、Gemini）訪問相同的記憶層。資料本地儲存，隨時可匯出。即使更換AI或取消服務，記憶仍將保留在用戶手中。記憶層不應由特定的AI或供應商擁有。
*補充：CMP和MCP是不同的協議。儘管名稱相似容易混淆，但CMP（Cerememory Protocol）是Cerememory為記憶讀寫而獨自定義的協議，而MCP（Model Context Protocol）是Anthropic提出的用於連接LLM與外部工具的開放規範。兩者並非競爭關係，在Cerememory中，「MCP承載CMP」。這意味著像Claude Code或Cursor這樣的MCP客戶將CMP訊息內嵌傳遞給Cerememory引擎。
■ 直接將大腦結構引入設計的「5儲存架構」
人腦根據記憶類型在不同區域進行處理。
官方網站：https://co-r-e.github.io/cerememory-docs/ja
GitHub：https://github.com/co-r-e/cerememory
■ 為何參考人類記憶系統？
目前，「讓AI代理擁有長期記憶」是全球開發者面臨的課題。各公司的記憶功能、使用向量資料庫的RAG、各種上下文工程技術。許多優秀的實作已經問世。
然而，當我們綜觀這些努力時，一個問題浮現了：「當思考AI記憶的理想狀態時，最佳的落腳點會是什麼？」
這個問題的答案其實近在咫尺：一個像我們人類一樣的活記憶系統。
人類的記憶不僅僅是儲存和檢索資訊的機制。重要的經歷會鮮明地保留，微不足道的事件會逐漸淡忘。相似的記憶會混淆，一旦想起一個，相關的記憶就會連鎖般地湧現。每個人都曾有過因懷舊的氣味而喚起童年記憶的經歷。
在睡眠期間，一天的事件會被整理並整合成長期知識。這是一個經過數十萬年進化磨練的極其複雜的資訊處理系統。
Cerememory所面對的問題不是「如何讓AI擁有記憶」，而是「人類長期以來所獲得的卓越記憶機制，能在多大程度上引入AI的記憶層？」Cerememory的方法是將神經科學研究中觀察到的現象作為執行系統來實現，而不僅僅是作為資料結構。
■ Cerememory的三個設計原則
將記憶視為「動態的活物」，而非「靜態儲存的物體」。
人類的記憶並不像硬碟那樣靜態儲存。重要的事物會被強化，不使用的會淡化，每次回憶時都會略微改變。Cerememory也繼承了這一特性，將衰減、干擾、再激活、睡眠中夢境時記憶的整理、整合等動態過程，作為執行系統而非僅僅作為資料結構來實現。記憶並非在寫入瞬間固定，而是隨時間動態地持續運動。
記憶不僅應有「內容」，還應有「原因」。
許多人可能都曾因不理解AI代理行為的意圖而感到困擾。當一個人記住某事時，該記憶會伴隨著「為何認為它重要」、「如何做出該判斷」等元上下文。Cerememory為AI代理的所有記憶記錄都設有一個元記憶平面，結構化地記錄「它為何存在」。意圖、依據、證據、替代方案、決策。記憶不僅可以透過AI代理的行為內容追溯，還可以透過其原因追溯。
使記憶層獨立於AI。
人類的記憶屬於個人，不從屬於特定的對話夥伴。Cerememory也持相同立場。透過其獨特的協議「CMP*」，它可以從任何LLM（包括Claude、GPT、Gemini）訪問相同的記憶層。資料本地儲存，隨時可匯出。即使更換AI或取消服務，記憶仍將保留在用戶手中。記憶層不應由特定的AI或供應商擁有。
*補充：CMP和MCP是不同的協議。儘管名稱相似容易混淆，但CMP（Cerememory Protocol）是Cerememory為記憶讀寫而獨自定義的協議，而MCP（Model Context Protocol）是Anthropic提出的用於連接LLM與外部工具的開放規範。兩者並非競爭關係，在Cerememory中，「MCP承載CMP」。這意味著像Claude Code或Cursor這樣的MCP客戶將CMP訊息內嵌傳遞給Cerememory引擎。
■ 直接將大腦結構引入設計的「5儲存架構」
人腦根據記憶類型在不同區域進行處理。