可解释、可审计的
AI 长期记忆内核

行业痛点

用户不会说「你的召回率低」，
他们只说「你忘了我说过的话」。

同一个问题，接与不接，答出来不是一件事

from openai import OpenAI

client = OpenAI(
    base_url="https://api.reglos.ai/v1",   # ← 只改这一行
    api_key="mk_live_…",
)

resp = client.chat.completions.create(
    model="gpt-4o-mini",
    user="alice",                          # ← 记忆归属到谁
    messages=[{"role": "user", "content": "我最喜欢什么乐器？"}],
)

from memcore import Memcore

user = Memcore(api_key="mk_live_…").subject("alice")

user.remember("我住在上海，周末喜欢爬山。")        # 写入
hits = user.recall("他住在哪里", explain=True)     # 检索 + 为什么是它
user.explain(hits.facts[0].id)                     # 溯源到原始对话
user.forget(hits.facts[0].id, reason="抽错了")     # 作废但留痕
user.audit(limit=5)                                # 审计账本

归属不明确时返回 400 并说明该设什么——不会默默塞进一个共用的匿名桶。那样的记忆对谁都没用，而且是隐私事故的温床。

• 静默少召回01

  过滤发生在检索之后

  pgvector 的 hnsw 索引只建在向量列上、不含租户字段，于是先取近邻再过滤租户 —— 少召回多少条，没有任何地方会告诉你。

• 静默消失02

  掉 12 个点，零告警

  一次多租户重构改了向量租户名的算法，重构前写入的向量全部变成孤儿。而向量库开着自动建租户，查一个不存在的租户不报错、自动建个空的返回空结果。准确率 65.3% → 53.3%。

• 静默换题集03

  整组 191 题被丢掉，均分照算

  第三方评测框架里，判官拿到一次空响应就抛异常，一整组 191 题被丢弃，而均分照样在剩下的 1349 题上算出来写进结果文件，只在末尾打一行「1 groups had errors」。

• 静默损坏04

  名叫 upsert，其实只会 insert

  遇到已存在的 id 抛 422，而调用点普遍包在 try/except 里（影子索引不该阻塞真相写入）。于是所有「更新已有向量」的写入长期失败，向量与事实文本慢慢对不上。

• 静默污染05

  「大家」「国家」「专家」都含「家」

  单字中文别名做子串匹配，把这些词全判成了「家庭场景」。检索结果一直是脏的，而没有任何一条日志是红色的。

• 静默漏计06

  静默的计量缺失 = 静默的收入缺失

  计量失败不该把我们的 Redis 抖动变成客户的 5xx，所以它不阻断请求 —— 但必须记日志。不记，账单就少了一笔而没人知道。

这六件事没有一件会报错。可解释、可审计、可控制、可证明 —— 四条能力要解决的就是这个：让沉默的东西开口。

定价

按用量计费，私有化按部署谈

记忆是长期资产，计费不该逼你删数据。写入与检索分开计价，存量不因为「放久了」而涨价。

价格以商务确认为准。企业方案可按部署范围、设备规模、年度用量与 QPS 需求定制。

先在同一把尺子下跑一遍，再谈别的。

你有评测集，我们接进去跑；没有的话就用第三方统一 harness，判官与答题 prompt 都不由我们决定。两边都能复现的结果，才值得拿出来比。