AI智能体拥有记忆的时代来临｜Hugging Face「Funes」将Token用量削减至八分之一
機械翻訳 / Machine-translated
A
AI Friends
1日前・6分で読める
機械翻訳 / Machine-translated
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
本文要点：
2026年9月3日，以AI技术开发平台著称的Hugging Face，发布了面向AI编程智能体的全新记忆系统「Funes（弗内斯）」。
该工具解决了Claude Code、Codex等主流AI编程工具长期以来存在的一大痛点——「跨会话记忆消失」。也就是说，AI从此能够记住过去的交互内容，不再遗忘。
据官方博客介绍，使用Funes后，与传统的「交接文档（工作备忘录）」方式相比，Token用量可削减至四分之一乃至八分之一。Token是AI处理文本时的基本单位，用量越多，成本和处理时间就越高。
Claude Code、Cursor、Windsurf等AI编程智能体是辅助编程工作的实用工具，但它们有一个共同的弱点。
那就是「会话结束后遗忘一切」。所谓会话，是指与AI进行的一系列对话。举例来说，昨天告诉AI「请这样修改这段代码」，到了今天AI便已毫无记忆。
2026年的研究表明，随着对话轮次增加，AI智能体遵守最初指令约束的能力会逐渐下降。具体而言，在第5轮对话中，指令遵守率为73%，到第16轮时则下降至33%。也就是说，AI在任务进行中忘记指令的概率翻了一倍以上。
这种「失忆」现象，在2026年被认为是AI智能体最常见的失败原因。而且由于问题难以诊断，令众多开发者深感头疼。
Funes是一个「记忆层」，能够从AI智能体过去的会话记录中自动检索并引用所需信息。所谓「层」，即系统层级的概念，可以理解为在AI之上叠加了一层用于存储记忆的结构。
从技术层面来看，它通过以下三阶段检索流水线运作：
重要的是，这一切均在「本地运行（完全在用户自己的计算机上完成）」，无需将数据上传至云端，机密信息不会外泄。
此外，检索时还会自动执行安全防护措施：在建立索引时自动删除认证信息，并在发布前扫描敏感信息。
Funes目前支持以下四款主流AI编程智能体：
这些智能体各自采用不同的数据格式，而Funes将所有格式统一转换为「轮次块（turn-block）」格式，即用一套记忆系统统一管理多个智能体的记录。
官方博客公布的实验结果，对比了Funes的「召回方式（检索历史对话）」与传统「交接文档方式（创建摘要备忘录）」的表现。
结果一目了然：交接文档方式在任务一中消耗的Token是Funes的8倍，在任务二中消耗的Token是Funes的4倍。此外，使用自动摘要的「压缩方式」则因丢失关键细节，导致任务本身无法完成。
Funes召回方式之所以高效，在于它「直接返回原文」，而非生成摘要。这样既不会造成信息缺失，也能清晰追溯引用来源（可追溯性）。
Funes的安装极为简便，只需在终端（命令输入界面）执行一行命令即可完成。
安装后，添加智能体即可立即使用。例如，若要在本地记忆模式下使用Claude Code，执行funes add claude；若要在团队中使用共享记忆，则执行funes add codex acme/funes-memory。
「团队共享」这一功能，有望对各地的开发团队产生深远影响。原因在于，Funes的记忆可以作为「Hugging Face Dataset」公开发布。
这意味着团队成员和多台设备可以访问同一份记忆。在远程办公已成常态的今天，工程师能够在家用电脑和公司设备上获得同等的AI辅助，将有效提升生产效率。
另外，许多企业对机密信息的处理都十分敏感。Funes以本地运行为基础、并自动删除认证信息的设计理念，将有助于降低企业导入的门槛。
此外，Token用量削减至八分之一，意味着API成本（AI服务使用费）也将大幅降低。这对预算有限的初创企业和中小企业来说无疑是一个好消息。
Funes的发布，是业界应对AI智能体记忆问题这一系列努力的组成部分。2026年，「记忆层不是可选项，而是承载负载的必要基础设施」这一认识正在业界广泛传播。
事实上，Mem0、Cognee等其他公司也在为AI智能体提供持久化记忆解决方案。然而，Funes的优势在于以「单一二进制文件（一个可执行文件）」运行，无需ML运行环境。
这使得安装工作量降至最低，工程师可以立即上手试用。同时，由于采用开源模式，社区的持续改进与扩展也值得期待。
未来，如果Funes进一步扩大对智能体和LLM（大规模语言模型）的支持范围，有望成为AI编程辅助工具领域的标准记忆系统。
本文转载自 AI Friends。
