ZifaMem：AI伴侣中人设、偏好与情感连续性的结构化记忆

AI伴侣的评判标准不只是单轮流畅，还在于能否维持情感连续性：记住伴侣是谁、用户偏好什么、这段关系感受如何。我们提出ZifaMem，一个把对话组织为会话摘要、情节记忆与整合用户模型的结构化记忆系统。对照一个提供完整原始对话历史的部署诚实比较者，并在固定的LLM即裁判协议与路由审计下，结构化记忆把四个底座合并的情商分数提升11.4%（95% CI 6.3%–17.1%），人设落地在全部四个底座上改善（Claude相对提升42%）。多轮情感上下文相对单轮快照赢得+39%净偏好（探索性），而额外的情绪状态机在五个终点上均无可测量增益。在同一预注册协议下，三个记忆系统（ZifaMem、Mem0与过滤的逐字检索）各自显著优于原始历史部署，而ZifaMem与Mem0在预注册的主要偏好终点上统计等价（±5分以内）。ZifaMem的SDK、CLI与可移植Agent Skills已开源于https://github.com/zifacorp/zifamem。