一夜之间，AI彻底告别“健忘症”！最难考试拿下99%，全网炸锅

你有没有过这种体验——

跟AI聊了半天，它转头就忘了你叫什么；上个月刚跟它讨论过的事情，今天再问，它一脸懵；你反复强调自己的喜好，它每次都要重新问一遍……

这种感觉，就像在跟一个患有严重健忘症的人对话。

每次开口，都是初次见面。

但就在今天，这一切被彻底改写了。

一个叫Supermemory的团队，向全世界扔出了一颗“核弹”——超级记忆系统ASMR横空出世，在AI记忆界公认最难的考试LongMemEval中，直接拿下了99%的准确率。

消息一出，X（原推特）热榜瞬间被刷爆。

全网只有四个字：太疯狂了。

AI的“金鱼记忆”，终于被治好了
先说说这个考试有多难。

LongMemEval是目前业内公认最严苛的长期记忆测试，没有之一。它不像普通考试那样只考“你记得昨天说了什么”，而是模拟真实世界中的各种混乱场景：

超11.5万字的对话历史、互相矛盾的信息、分散在多个会话中的零碎事件，还有需要推理时间线的复杂问题……

过去的AI记忆系统，在这里基本都“挂科”。能上80%就算顶尖，绝大多数连及格都够呛。

而ASMR交出的答卷是——99%。

这意味着什么？

意味着它不是“大概记得”，而是几乎零遗忘。意味着在面对海量信息、矛盾表述、时间交错的情况下，它依然能精准抓出正确答案。

有业内人士看完数据后只说了一句话：“AI记忆的难题，可能真的被彻底解决了。”

不靠向量数据库，全靠“AI团队”干活
最让人意外的是，ASMR的技术实现思路，反而非常简单。

它抛弃了传统的向量数据库，抛弃了嵌入模式，完全在内存中运行。

简单来说，它不靠“数学相似度”去猜，而是靠真正的“理解”去检索。

怎么做到的？答案是——派出一支AI小分队。

第一步：3个“观察者”并行阅读

当对话数据进来时，3个观察者Agent同时开工，各自负责不同部分的原始会话。它们不是简单地把内容存下来，而是围绕六个维度进行定向提取：个人信息、偏好、事件、时间线、信息更新、助手信息。

每个被提取出来的事实，都会被“原生存储”，并且标记清楚来自哪段对话。

第二步：3个“搜索者”主动推理

当用户提问时，ASMR不会去查向量数据库。它会再派出3个搜索Agent，各自分工：

一个专搜直接事实和明确陈述； 一个挖掘上下文、社交线索和暗示； 一个负责重建时间线和关系图谱。

3个Agent的结果汇总后，还会提取原文逐字片段进行细节验证。

全程没有关键词匹配，没有数学相似度，靠的是实打实的认知理解。

这还没完。为了应对LongMemEval中五花八门的问题类型，团队又做了两种尝试：

一种是让8个高度专业化的提示词变体并行运行，各司其职，只要有任何一个跑出正确答案就算对——准确率直接拉到98.6%。

另一种是构建12个专家Agent组成的“决策森林”，最后由一个聚合模型综合判断，准确率也高达97.2%。

说白了，ASMR不是靠一个“全能选手”硬扛，而是用一群分工明确的专家协同作战。

人工智能技术学习交流群
伙伴们，对AI测试、大模型评测、质量保障感兴趣吗？我们建了一个 「人工智能测试开发交流群」，专门用来探讨相关技术、分享资料、互通有无。无论你是正在实践还是好奇探索，都欢迎扫码加入，一起抱团成长！期待与你交流！👇

但ASMR只是一个开始
如果你以为ASMR只是一个刷榜的实验项目，那就太小看这个团队了。

它背后是一个叫Supermemory的完整记忆引擎——一套面向所有AI应用的记忆与上下文基础设施。

团队在GitHub上写得很直白：

你的AI在对话之间什么都记不住，Supermemory来修。

RAG（检索增强生成）很多人都听过，但记忆和RAG其实是两回事。

RAG不认人——今天给张三的回答，明天李四来问也是一样。而Supermemory会从对话中主动提取事实，追踪变化，处理矛盾，甚至自动遗忘。

举个例子：

你上个月说“我住在北京”，这个月又说“我刚搬到上海”。普通的RAG会把两条信息都丢给大模型，让它自己猜该信哪个。而Supermemory知道后者覆盖了前者，只返回“上海”。

更狠的是“自动遗忘”。你说“我明天有个考试”，等日期过了，这条记忆自动失效，不会变成永久噪音。

一次API调用，延迟约50毫秒，你的Agent就知道对面坐的是谁。

把这个用户画像注入到系统提示词里，AI瞬间从“陌生人模式”切换到“老朋友模式”。

记忆，正在成为AI的基础设施
Supermemory还接了一整套外部数据源——Google Drive、Gmail、Notion、OneDrive、GitHub，全部通过实时Webhook自动同步。文档传上去自动处理，PDF解析、图片OCR、视频转录，零配置，传完就能搜。

对开发者来说，集成成本被压到了最低。npm装一个包，几行代码就能给自己的Agent加上完整的记忆能力。Vercel AI SDK、LangChain、LangGraph、OpenAI Agents SDK，主流AI开发框架全部有现成封装。

甚至不用写代码也行——Supermemory提供了MCP服务器，一行命令安装，Claude Desktop、Cursor、Windsurf、VS Code直接就能用。

这场仗，才刚刚开始
过去几年，大模型的竞争一直在参数规模、推理速度、上下文窗口长度这些维度上打转。

但一个128K的上下文窗口再大，对话一结束就清空，下次见面还是陌生人。

记忆，才是让AI从“工具”变成“搭档”的最后一块拼图。

当每一个Agent都能记住你是谁、你在做什么、你上次说到哪里，人机交互的体验会发生一次静悄悄的质变。

不是AI突然变聪明了。

而是它终于不再失忆了。

值得一提的是，ASMR将于4月初开源全部代码。

AI记忆的“大航海时代”，正式开启。

推荐学习
OpenClaw（龙虾）公开课，手把手带你打造24小时不休的AI打工人。

扫码进群，报名学习。

关于我们
霍格沃兹测试开发学社，隶属于 测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。

学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与 AI 在测试工程中的应用实践。

我们关注测试工程能力的系统化建设，包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设，同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。

在技术社区与工程实践之外，学社还参与测试工程人才培养体系建设，面向高校提供测试实训平台与实践支持，组织开展 “火焰杯” 软件测试相关技术赛事，并探索以能力为导向的人才培养模式，包括高校学员先学习、就业后付款的实践路径。

同时，学社结合真实行业需求，为在职测试工程师与高潜学员提供名企大厂 1v1 私教服务，用于个性化能力提升与工程实践指导。