Alma 解决什么问题?

无状态的 AI 在对话结束时会丢失每个事实、偏好和决策。Alma 增加了一个持久记忆层,让 AI 自动重建上下文——不必在每次新对话中重新解释你的项目。

上下文组装有多快?

在生产环境中低于 100ms。三层以每层 3 秒超时并行获取,经评分后,在模型开始生成之前注入系统提示。

通过启发式方法提取实体关系——读取时无额外 LLM 成本。当你提到某人、项目或技术时,图谱会将其与 AI 应当引入的相关上下文关联起来。

五因子评分:相关性 50%(语义 + 关键词匹配)、重要性 15%、置信度 15%、新近度 10%、频次 10%。相关性占主导,因此对的记忆胜过最新的记忆。

2026-04-04 · Alma Team

Alma 将知识组织为三层——记忆(事实)、情景(叙事摘要)和流程(行为模式)——在 100ms 内完成上下文组装,采用五因子评分(相关性、重要性、置信度、新近度、频次),并增加实体知识图谱,读取时无 LLM 成本。结果是:AI 真正记得住,而不只是聊天。

Alma 将知识组织为记忆(离散事实)、情景(叙事摘要)和流程(行为模式)。上下文组装在三层中搜索,按相关性/重要性/置信度/新近度/频次评分,并在 100ms 内构建出系统提示。知识图谱在不消耗 LLM 成本的前提下增加实体关系。