作者：Boxu Li 

介紹

在快速演變的 AI 版圖中，Macaron 因其提供主流聊天機器人所缺乏的特性而脫穎而出：深度、持久的記憶能力。這項 「深度記憶」 架構是 Macaron 的標誌性功能 —— 一個能夠在每次互動中學習你的偏好、使用歷史和上下文的 AI 記憶系統。Macaron 不將每次對話視為獨立的會話，而是會記住關於你的信息 —— 從你最喜歡的咖啡沖泡方式到你上週討論過的項目 —— 打造出流暢且個人化的互動體驗。這標誌著一個從所謂生產力 AI轉向 Macaron 創造者所稱的 「體驗 AI」 的重要轉變，在這裡，助手更像是一個理解你性格、偏好和習慣的終生伴侶。不同於典型的聊天機器人幫助你提高工作效率，Macaron 的設計旨在幫助你過上更好的生活，建立在記憶基礎上的持續關係。這是 AI 能力的一次飛躍，將我們帶向一個真正了解我們而不僅僅是我們提示的助手。

Macaron 中的深度記憶到底是什麼？

Deep Memory 的核心是一種新穎的代理性記憶架構，透過強化學習進行訓練。與只依賴最後一次提示作為上下文（如 ChatGPT）不同，Macaron 的模型經過微調，能自主檢索、摘要並更新先前互動中的相關信息。實際運作中，每次新對話都以特殊的記憶標記開始，注入一個關於你是誰以及什麼對你重要的精煉摘要，使 Macaron 能夠「記住不僅是所說過的話，還有用戶是誰。」換句話說，你的 AI 並不是每次都從零開始，它擁有你的個人故事感知。這個 Deep Memory 系統使用強化學習（RL）來決定要回憶或忽略什麼，不斷優化對你上下文的理解。

關鍵在於，深度記憶讓 Macaron 能在比標準大型語言模型更長的對話和任務中保持連貫性。即使互動持續數天或數週，系統也能檢索過去的細節。事實上，Macaron 的記憶創新使其能夠生成大規模輸出——如超過 100,000 行代碼的個性化迷你應用——同時保持上下文和連貫性。這樣的壯舉對於具有固定上下文窗口的普通提示模型來說幾乎是不可能的。通過將推理與學習的長期記憶結合起來，Macaron 達到了傳統聊天機器人無法企及的個性化、一致性表現的水平。從本質上講，深度記憶賦予了 Macaron 類似於人類長期記憶的能力——這是 AI 能夠隨著用戶發展的基礎。這項技術使 Macaron 超越了僅僅是問答機器，成為真正關心用戶體驗的個人 AI 助理。

不再需要 AI 提醒我

對於用戶來說，Macaron 的記憶差異立即顯而易見。使用 ChatGPT、Bing、Perplexity 或其他典型的 AI 助理時，您經常需要重複或重新提供過去的信息，因為 AI 不記得您之前的對話。這些系統受限於固定的上下文窗口——如果聊天過長，舊的細節就會被遺忘，一旦您開始新的會話，之前的信息就不會被保留。正如微軟的 AI 主席穆斯塔法·蘇萊曼最近指出的那樣，今天主流的 AI 「不會在不同會話間保留信息」，這強調了實現真正的長期記憶是 AI 下一步的重要發展之一。對話模型的研究也反映了這一點：當前的大型語言模型基本上受到「依賴固定上下文窗口」的限制，當超出這個窗口後就缺乏持久的記憶力。實際上，這就是為什麼 ChatGPT 可能今天能精通地討論您的問題的第一章，但明天除非您再次提示它，否則它不會記得您甚至有個問題。

Macaron 已經超越了這個限制。它的深度記憶確保你不需要每次與 AI 助手互動時都從零開始。你不必每次詢問晚餐建議時都說「順便說一句，我是素食者」，因為 Macaron 已經內化了這個偏好以及無數其他偏好。事實上，獨立評論家指出，Macaron「通過更有效地記住用戶偏好，比典型的 AI 聊天機器人提供更具吸引力和個性化的體驗」。這不僅僅是關於事實細節；Macaron 還能記住關鍵經驗，甚至是過去互動的情感語調，並利用這些記憶來塑造更相關、更具同理心的回應。

一位早期用戶舉了一個有力的例子：他們在聊天中隨口提到自己的貓「Tequila」，一週後 Macaron 未經提示地詢問他們是否會很快見到 Tequila。這種上下文的回應——甚至親密的朋友才會這樣做——讓用戶感慨**「被這樣記住感覺特別」。在另一種情況下，有用戶告訴 Macaron 其回覆感覺有點正式；Macaron 立刻轉變為更溫暖、更親切的語氣，並在隨後的對話中保持這種友好的風格。這些個性化的細節是無法在沒有記憶的單一對話機器人中實現的。這是與冷冰冰的工具對話和與了解你的 AI 互動之間的區別。Macaron 憑藉記憶建立持續關係的能力是一個重大突破——你不再需要提醒 AI 你談過什麼或你是誰，而是由 AI 來承擔這個責任。結果是，使用 Macaron 更像是與一位專注的夥伴接續對話，而不是向算法詢問問題。值得注意的是，這不僅僅是噱頭；它解決了 AI 專家們識別出的當前 AI 的核心缺陷。持久的記憶被廣泛視為「長期對話連貫性」**的重要因素，並且能讓 AI 避免自相矛盾或重複自己。通過克服其他模型的健忘問題，Macaron 提供了一種更直觀、更智能的體驗。

深度記憶即時構建應用

深度記憶不僅提升了 Macaron 的對話能力，還大大增強了 AI 滿足您需求的能力，甚至可以為您編寫軟體。Macaron 可以在您的聊天中即時生成自訂的小型應用程式，這一功能遠遠超過大多數機器人僅提供文字交流的能力。因為它真正理解您的背景和目標，Macaron 可以作為個人軟體開發者，運用其長期知識創建專為您量身定制的工具。正如 Macaron 團隊所描述的，這款 AI 可以「即時為每位用戶生成自訂『小型應用程式』... 用時僅需 15 分鐘」，而且不需要用戶進行任何編碼或複雜的設置。換句話說，您只需有一個想法或問題，用簡單的語言描述它，Macaron 就能在聊天介面中即時構建一個互動解決方案。

考慮一下這在實際操作中的意義。一位大學生到校時，行程一片混亂，於是簡單地向 Macaron 求助以便整理；大約五分鐘內，Macaron 為他構建了一個課程助手和一個社團尋找應用，協助簡化學期安排。另一位用戶想學烹飪，但擔心自己會放棄——Macaron 便創建了一個「初學者烹飪日誌」應用，追蹤用戶的烹飪嘗試，並用食譜和提示鼓勵他們。兩週後，該用戶自豪地報告，他們已能獨立烹飪三道菜，這都要歸功於 Macaron 的溫和指導和 AI 構建的應用所提供的結構。這些並不是預裝的「技能」或模板；Macaron 實際上是根據每位用戶的情況按需生成這些迷你應用。這與我們習慣的千篇一律的軟體有很大的不同。在這裡，軟體本身就是為一人（或少數人）量身定制的，基於一次對話創建。由於 AI 的記憶影響了它的設計選擇，最終的產品感覺異常合適。Macaron 本質上是「記憶庫、程序員和夥伴」的結合，成為你在那一刻所需的工具或支持。

Macaron 能將簡單的請求轉化為完整運行的小應用程式。此處展示的是一個由 Macaron 創建的「食譜尋找器」介面範例，使用者輸入可用的食材和口味偏好，即可獲得量身訂做的食譜建議。深度記憶功能使 AI 能夠記住用戶的飲食需求（例如素食、過敏），並將其無縫整合到應用程式的邏輯中。用戶僅需數分鐘，就能從討論晚餐計劃到使用專為他們打造的自訂烹飪應用程式。

值得注意的是，這些小應用不僅僅是存在於你的聊天記錄中的靜態一次性應用——Macaron 讓你可以保存甚至分享它們。如果 AI 為你建立了特別有用的工具（比如說，卡路里追蹤器或旅行計劃器），你可以生成一個可分享的鏈接，讓其他人也能使用它。實際上，一個圍繞用戶自製 AI 工具的社群正在形成。每個人的創新解決方案都有可能幫助其他有相似需求的人。Macaron 甚至提供了**「Playbook」**——一個精選的 AI 小技巧和小應用畫廊，涵蓋日常生活、家庭、成長和愛好等類別。在其中瀏覽，你會發現從家常菜譜查找器到大學生活的校園夥伴，甚至是有趣的小遊戲和測驗。Playbook 中的每個列表都是源於真實的對話和真實的用戶需求。而且，由於 Macaron 會記住並適應，你可以將任何共享的應用交給 AI 為你調整。這是一種全新的事物：通過自然語言隨需定製個性化軟件，然後如果效果不錯，就以病毒式擴散。很容易想像一個不久的未來，當你不再需要在應用商店中搜尋幾乎符合你需求的應用時，只需讓你的個人 AI 創建你所需的應用，然後選擇性地與朋友分享。Macaron 已經在將這種情景變為現實。

從技術的角度來看，這項能力證明了記憶驅動推理的可能性。Macaron 的長期上下文意味著它可以在應用程式構建過程中，將需求從一個步驟延續到下一個步驟。即便面對複雜的多步驟任務，它也不會慌亂，因為它不會忘記目標是什麼或已完成哪些子任務。很少有 AI 系統能夠在即時生成複雜應用程式的同時，保持上下文的連貫性——在這方面，Macaron 似乎樹立了新的標杆。而這一切都是通過對話實現的：一刻鐘你還在討論問題，下一刻 AI 已經為你提供了一個互動解決方案。從對話到部署的流暢過渡，正是前瞻性 AI 專家所談論的，當他們設想能夠同時對話和行動的代理時。Macaron 是這一概念的活生生證明，它從根本上擴展了我們對 AI 助手的期望。

賦予用戶力量：從消費者到 AI 時代的創造者

Macaron 的方法標誌著一種新型 AI 生態系統的黎明——在這個系統中，使用者不僅僅是消費者，而是創造者。要理解這一願景，可以將其類比為社交媒體中用戶生成內容的興起。想想 TikTok（抖音）如何幾乎一夜之間將被動的內容消費者轉變為主動的創作者；因為工具和 AI 驅動的效果非常易於使用，任何人都可以成為影片創作者。Macaron 的目標是為軟體和解決方案做同樣的事情。它大大降低了創建自訂應用程式的門檻，讓普通人可以像拍攝 TikTok 影片一樣輕鬆地構建小應用程式。關鍵在於 Macaron 承擔了繁重的工作（編碼、推理、介面設計），而使用者只需提供想法或目標。在 TikTok 的早期時期，沒有編輯技能的用戶也能夠製作出色的影片，這要歸功於智能模板和算法。同樣地，Macaron 的使用者不需要編程技能——他們的個人 AI 夥伴將自然語言需求轉化為可運行的軟體。這可能會在我們解決日常問題的方式上引發一場創意革命，AI 作為促成者。

之前提到的行動手冊是這個由 AI 驅動的創作者經濟的早期一瞥。在 Macaron 的網站上瀏覽行動手冊，你會看到一個眾包的迷你應用程式和「黑客」集合，適用於各種生活方式。有用於餐飲計劃、習慣追蹤、學習計劃、家庭預算、興趣專案的工具——甚至有趣的測驗和小遊戲——這些都是透過 Macaron 的 AI 為特定使用者場景生成的。每個迷你應用程式最初都是某人與 Macaron 之間的獨特對話，但通過分享，創作者將其轉化為社群的可重複使用資產。這很像開源的心態，但對於非程式設計者來說更加容易接觸。如果你在行動手冊中找到一個幾乎適合你的迷你應用程式，你可以請 Macaron 調整或擴展它以更好地滿足你的需求，有效地重新混合創作。最終的目標是一個生態系統，在這裡對小眾問題的解決方案得以協作地傳播和演變，而 AI 在其中調解過程。這與過去靜態的應用商店大相徑庭——感覺更像是一個不斷由使用者輸入塑造的 AI 驅動生活黑客的活生生圖書館。

透過賦予普通人建立和分享自己 AI 應用程式的能力，Macaron 正在培養一個創新者的社群。這與 Macaron 所倡導的「體驗 AI」精神完美契合 —— 下一波 AI 的重點在於豐富日常生活和個人經驗，而不僅僅是自動化工作任務。在 AI 時代，團隊的願景是創建一個「AI 時代的生態系統」，讓用戶成為 AI 開發循環中的創建者和參與者，而不只是大科技公司算法的最終用戶。就像 Web 2.0 讓被動的網路衝浪者成為博客、YouTube 和社交媒體的內容創作者一樣，Macaron 的平台可以將 AI 用戶轉變為不斷增長的個人 AI 應用程式套件的共同開發者。這是一個大膽的願景 —— 讓人想起智慧型手機應用程式熱潮的早期日子，這次應用程式可以按需生成並通過集體智慧改進。如果 Macaron 的深度記憶和小型應用程式生成功能是一個指標，那麼這種方法可能會為個人技術的未來標準定義：高度個性化、用戶驅動且無限適應。

邁向真正的智能：深度記憶是否更接近於 AGI？

Macaron 的創新不僅為用戶帶來即時效益，還預示著 AI 如何朝向更高層次的通用智慧發展。在 AI 研究中，越來越多的討論認為，要達成類似「人工通用智慧 (AGI)」的目標，需要超越單純增大模型規模，賦予 AI 系統更具人類特質的能力：如長期記憶、持續學習的能力，以及自主行動的能力。事實上，越來越多的專家認為，通往 AGI 的道路在於「整合的情境、記憶與工作流程」，而不僅僅是更大的神經網絡。這種觀點認為，目前的大型模型雖然強大，但因缺乏真正記憶與適應的機制而「在跨領域泛化上顯得不足」。工程解決方案——例如賦予 AI 持久記憶以便在會話間保留和檢索信息——被視為突破當前聊天機器人限制的關鍵。換句話說，實現類人智慧的最大障礙之一是我們 AI 模型的「遺忘性」，這阻礙了它們像人類一樣在真實世界中學習。

特別是記憶，經常被視為缺失的一環。穆斯塔法·蘇萊曼（DeepMind 的聯合創始人，現為微軟 AI 負責人）最近指出，雖然模型在事實推理甚至情感智力方面正在迅速提高，「將這些串聯起來的缺失環節……是記憶。」 他預測在不久的將來（在他看來是未來 18 個月內），「我們將擁有記憶力非常好的 AI，」 並且他提出，若 AI 具備強大的推理能力、行動工具和長期記憶，將成為**「一個非常非常強大的系統。」** 不難想像這是一個類 AGI 的代理描述——一個能夠理解、記憶並在廣泛的任務中隨時間行動的代理。以此標準來看，Macaron AI 正朝這個方向邁進。它結合了強大的記憶和動態生成工具的能力，與許多研究人員認為的更通用智能的關鍵要素密切相關。Macaron 可能不是一個 AGI（像人工超智能 ASI 這樣的術語仍然是推測性的），但它在具體產品中展示了多項接近 AGI 理想的能力。它可以無限期地記住上下文（就像 AGI 可能會），通過重複互動學習用戶的個人化模型，並通過創建新功能（小應用）來自我修改其行為——一切都自動進行，無需為每個任務進行明確重新編程。

首先要說明的是，AGI 仍然是一個不斷變化的目標和一個對不同人意味著不同事物的流行語。Macaron 的團隊小心謹慎地避免過度炒作他們的產品——他們稱其為體驗 AI 時代的第一個「個人 AI 助手」，而不是一個全知的神諭。然而，通過解決核心問題之一（長期記憶）並將推理與行動相結合，Macaron 是許多此前只是學術討論的概念的「有形證明」。它展示了 AI 可以「訓練進化」與用戶一起成長，而不是在每次新提示時重置其理解。業內分析師指出，通過持久記憶克服 LLM 的上下文限制「為更可靠和高效的 LLM 驅動的 AI 助手鋪平了道路。」的確，Macaron 提供的——一個記住你並建立在該記憶基礎上的 AI——正是將 AI 向類人認知推進一大步的那種進步。當我們見證 Macaron 無縫融合智商、情商和一些人所謂的「行動商數」（AQ）與長期記憶時，很難不將其視為更通用的 AI 如何在我們生活中運作的早期一瞥。它是個性化的、主動的，並且不斷學習——這些特質在消費者 AI 產品中迄今為止大多缺席。從這個意義上說，Macaron 的深度記憶不僅僅是一個酷炫的功能；它很可能是下一代 AI 的基礎。每次 Macaron 記住您過去的互動或在需要時迅速創建工具時，它都在悄然重新定義我們對機器智能能夠實現的期望。也許多年以後，我們會回顧這一刻，將其視為通向不僅僅在狹隘方面聰明的機器的重要一步，而是能夠在一般、自適應和深具個人化的方式上真正理解和增強我們生活的機器。