​

辩证画像（认知推导器）

Myrm 用异步认知推导器替代脆弱的正则偏好提取：对话结束后，后台 LLM 对交流进行辩证推理，将结构化画像写入记忆。

​

推断维度

仅证据支撑：模型无法引用明确信号时字段留空（防幻觉）。

​

运行时流程

1. 提取 — MemoryExtractor 提示含辩证章节；有依据时以 memory_type="profile" 高置信写入。
2. 推导循环 — cognitive/deriver.py 对近期消息异步辩证推理，更新向量与图谱证据。
   • Token 感知滑动窗口：送入 LLM 前将输入消息限制在约 16,000 字符内，防 OOM 并省预算。
   • 双写降级：安全双写 GraphStore 与 SemanticMemory；图谱后端失败或禁用时优雅降级到 SemanticMemory，不丢数据。
3. 品味摘要 — compile_taste_summary 将活跃 semantic/profile 行 consolidated 为系统提示词快速可读摘要。
4. 注入 — MemoryContextMiddleware 每轮前注入品味摘要（相对 Honcho 式每轮 honcho_context 工具调用无额外往返）。
5. SSE 降噪 — UI 仅在颠覆性变更（矛盾/取代）时通知；常规偏好完全静默后台提取。
6. GUI — TasteSummaryCard 展示标签；用户可在记忆指挥中心编辑或删除推断特质。

​

vs Honcho / Mem0 类 SaaS

​

相关文档

• 记忆系统 — 8 种记忆类型、检索、遗忘
• 产品架构 — harness / server / UI 分层

竞品定位细节见内部材料 MEMORY_ADVANTAGE.md（§ vs Honcho / Mem0）。