PRISM
jingyip-cat/PRISM加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
试着回忆一下：你上周五下午三点，和同事聊了什么？
对一个正常人来说，这个问题需要翻遍聊天记录。但对一个大型语言模型（LLM）来说，难度远不止"记不住"——它从一开始，就根本没有真正的记忆能力。每一次对话，它都从空白状态开始，所有的"经历"只存在于对话窗口关闭前的上下文里。
这不只是 ChatGPT 的问题，而是所有 LLM 的根本局限：它们是"无根"的智能"。
然而，在现实场景中——客服对话、医疗记录、法律咨询——"上下文窗口"（Context Window）迟早会被填满。填满之后怎么办？早期做法很简单：把所有历史对话都塞进去。代价是成本飙升，且超过一定长度后，LLM 会像人一样"记混了"。
PRISM，就是来解决这个问题的。
PRISM 全称 Pareto-Efficient Retrieval over Intent-Aware Structured Memory，中文可译为"基于意图感知结构化记忆的帕累托高效检索框架"。这个名字里的每个词都值得拆解：
Pareto-Efficient（帕累托高效）——这是关键。工程中不存在免费的午餐，提升准确率往往意味着增加计算成本。帕累托高效指的是：在同样的成本预算下，达到了最高的准确率；或者说，在同样的准确率目标下，用了最少的成本。PRISM 追求的是这个最优点。
Intent-Aware（意图感知）——用户的问题背后有不同的"意图"。比如"我上周做了什么"是时间意图；"为什么会这样"是因果意图；"帮我找相关内容"是语义意图。PRISM 能识别这些意图，并针对性地调整检索策略。
Structured Memory（结构化记忆）——不是把对话当文本块存起来，而是构建一张多层级知识图谱。最小的记忆单元是"实体"（Entity），实体组成"方面"（Facet），多个方面组成"事件"（Episode）。这些单元之间，通过时间、因果、语义等多种关系连接。
PRISM 的核心创新在于四个推理时模块，它们像一条流水线，依次协作：
这是整个流水线的入口。当用户提问时，系统首先通过向量检索（FAISS）在各层知识图谱中定位候选节点。但关键在于——它不仅仅做简单的相似度匹配，而是沿关系模板的"最小成本路径"扩展，找到那些字面不相似、但逻辑上有关联的内容。
类比一下：普通的向量检索像是"看脸找人"，而 N1 做的是"根据社会关系网找人"——即使你换了个发型、化了妆，关系网依然能把你找出来。
关系图谱中的边（Edge）代表不同类型的关系——时间关系、因果关系、语义关系。N2 根据查询意图，对这些边进行动态加权。
比如问"为什么会下雨"时，因果边的代价被降低，系统优先沿因果路径扩展；问"上周发生了什么"时，时间边的权重提升。同样是走一条路，但根据目的地不同，选择的路线完全不同。
找到候选证据后，N3 负责最重要的一步：用一次 LLM 调用对候选集进行重排序和压缩。
具体来说，系统把所有候选证据打包发给 LLM，让它判断哪些是最相关、最有价值的，然后输出一个精简版的答案上下文（Answer-side Context）。这一步大幅减少了最终送往答案模型的 token 数量。
消融实验表明，移除 N3 模块后，ER@5 指标下降 6.8 个百分点，上下文 token 数量几乎翻倍（从 2,023 → 4,108）。这是整个系统中最关键的一个杠杆。
这是一个聪明的"分流器"。系统首先用零 LLM 成本的方式（关键词匹配、语义原型匹配）尝试处理大多数简单查询——这些查询根本不需要调用 LLM。只有当简单方法无法处理时，才降级到 LLM 分类器。
实测中，N4 可以消除 42.3% 的分类端 LLM 调用，且对准确率没有可测量的影响。
PRISM 在 LoCoMo（Long-Context Memory）基准上进行了测试，包含 1,540 个 QA 对，覆盖多跳推理、时间推理、开放域和单跳四种类型。
关键结果（使用相同的 gpt-4o-mini 作为答案模型和评判模型）：
| 方法 | 总体准确率 | 每千 token 效率 | 上下文 token 数 |
|---|---|---|---|
| Full Context（全塞入） | 48.1% | 0.018 | 26,031 |
| MAGMA | 68.8% | 0.204 | 3,370 |
| Mem0 | 66.9% | 0.379 | 1,764 |
| PRISM | 83.1% | 0.411 | 2,023 |
PRISM 的总体准确率达到 83.1%，比次优方法 Mem0 高出 14.2 个百分点；同时，它的每千 token 效率（0.411）也是所有方法中最高的。
对比全塞入（Full Context）方案，PRISM 实现了 13 倍的上下文压缩（从约 26K token 压缩到约 2K token），同时准确率反而提升了 35 个百分点。
如果把答案模型换成更强的 GPT-5.5，PRISM 的准确率进一步提升到 89.1%，效率达到 0.440——而上下文 token 数完全不增加。
PRISM 的 Python 包名为 mmem（Multi-level Memory），代码结构清晰：
核心依赖：faiss-cpu、sentence-transformers（all-MiniLM-L6-v2，384维）、openai、networkx、pydantic。
值得强调的是：PRISM 完全 CPU 运行，不需要 GPU。所有向量检索（FAISS IndexFlatIP）和图遍历都是 CPU 操作，大幅降低了部署门槛。
git clone https://github.com/jingyip-cat/PRISM.git
cd PRISM
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env # 填入 OPENAI_API_KEY
# 离线冒烟测试（无需 API key）
python scripts/smoke_test_alice.py
# 完整 LoCoMo 评测
PYTHONHASHSEED=0 python -m scripts.eval.run_locomo --mode full
注意：PYTHONHASHSEED=0 是必须设置的环境变量。
1. 强依赖 LLM 作为抽取器：写入时需要用 LLM 从对话历史中抽取结构化信息，对 API 质量有依赖。
2. 只支持已有图谱检索：PRISM 假设已有构建好的图谱记忆，从零开始需要配合其他 ingestion pipeline。
3. 评测基准局限性：LoCoMo 中 73.4% 的问题属于"锚点可发现"类型，多跳复杂场景效果尚未充分验证。
4. 记忆漂移风险：长期运行后图谱可能积累过时或错误信息，需要额外维护。
PRISM 的核心贡献，是一种范式转变：将记忆管理从"尽可能塞入更多上下文"的蛮力思维，转变为"精确召回最优证据集合"的智能思维。它的四个模块（N1-N4）是正交的，可以单独启用或组合使用，给了实践者很大的灵活性。
更重要的是，PRISM 证明了准确率和效率可以同时提升，而不是必须二选一。这个结论对整个 Agent memory 领域都有启发意义。
随着 LLM Agent 在企业场景的落地，长程记忆管理将成为决定用户体验的核心能力。PRISM 为这个方向提供了一个有竞争力的开源方案，值得关注。
