Mi-Memory：面向个人AI的生命周期记忆框架

个人AI正从纯聊天交互走向跨手机、汽车、家居、穿戴、相机与工具的持续服务。在这一设定下，记忆不能仍是既往对话的缓存：它应作为连续性与治理的基底——保存持久的用户状态、把答案落地到多模态与设备证据、支持更正与遗忘、约束策略演化，并在延迟、成本、隐私与端云约束下保持可部署。本技术报告提出Mi-Memory，一个围绕四个角色组织个人AI的生命周期记忆框架：结构、扩展、演化与部署。一个共享审计契约经四类反复出现的工件族把这些角色联系起来：类型化证据载荷保存来源身份与出处；诊断轨迹在服务管线中定位证据丢失；策略工件使记忆策略变更显式化；门控/回滚记录约束被接受的演化。Mi-Memory经MemStack、MemSense/MemFuse、D²ACCI/E²MEND与LiteMem实例化各角色。在受控参照的结构评估中，MemStack在LoCoMo、PersonaMem-V2与LongMemEval上分别达93.59%、57.24%与87.47%；其他轨道报告模块级、初步/内部、迁移可行性或仅设计的证据，并附明确边界。Mi-Memory是向可审计、证据门控、部署感知的个人AI记忆系统迈出的一步。项目主页：https://darwin-agent.github.io/Mi-Memory/。