taylorsatula/mira

它解决了什么

MIRA 旨在通过建立具有长期记忆和行为持续性的连续数字化实体，来克服标准 LLM 对话的短暂性。它消除了“开始新对话”的模式，迫使系统在无限的时间线上管理自己的上下文和回忆。

运作方式

MIRA 使用多层次的方法来维持连续性：

• 上下文管理：它采用异步对话处理（类似于快速眼动睡眠）和主动的上下文窗口操作。当对话变得太长时，它会将较旧的讯息压缩成滚动的延续简报。
• 第一人称记忆：MIRA 不是使用第三人称日志，而是产生自己行动和经验的第一人称摘要，并以带有时间戳记和复杂度分数的记忆轨迹储存。
• 自我管理记忆：记忆会根据使用公式随时间衰减，除非它们被频繁访问或明确链接，从而防止上下文腐烂，无需人为整理。
• 皮层下与花生画廊：“皮层下”层负责响应前的信息检索和实体提取，而“花生画廊”则作为元认知观察者，可以每隔几轮提示 MIRA 纠正其方向。
• 基于文本的 LoRA：系统通过分析对话片段与行为契约的比对，并将这些模式合成为不断演进的系统提示词，来适应其行为，有效地通过文本操作“训练”其个性。
• 动态工具：工具从文件系统中发现，并仅在需要时加载到上下文窗口中，以减少 token 浪费。

适用对象

寻求持久 AI 伴侣或助手的用户，该助手能记住过去的互动、根据用户反馈调整行为，并能在不丢失上下文的情况下管理复杂的长期项目。

亮点

• 连续叙事：单一、永久的对话线程，没有“新对话”按钮。
• 第一人称回忆：从 AI 自己的视角编写记忆，以减少认知距离。
• 自主上下文控制：能够展开和折叠“domaindocs”（稳定的加密文档）以管理 token 爆炸。
• 行为适应：进化式用户建模，每 7 个使用日精炼系统提示词。
• 可扩展工具集：即插即用工具架构，MIRA 可以自主地从其仓库启用工具。