模力工场 022 周 AI 应用榜：记忆型 AI Infra PowerMem 登顶榜首，本周 AI 应用全面升级“长期主义”

模力工场新鲜事

• 模力工场秋季赛正式结束，榜单如下，恭喜各位上榜的同学！完整榜单见模力工场网页端或小程序端秋季赛区域，获奖同学奖励将在本月陆续发放，感谢大家对模力工场的支持！

• 12 月 6 日本周六下午，Vibe Coding Sprint · AI 编程闪电黑客松 将在阿里巴巴数字生态创新园（西溪 B 区）7 号楼 413 正式开跑。

模力工场携手 TGO 鲲鹏会，发出一份属于新一代 builder 的现场邀约：用 AI 写代码，用代码写公司。活动将以 3 小时极限 Vibe Coding 为核心，在真实场景中跑通一条 AI 工作流链路，鼓励每位参与者围绕现场发布主题，打磨一个 Demo。现场将评选出 3 个“模力工场 x 潜力之星 Demo ”获得惊喜奖励，优秀作品还将登上模力工场与 InfoQ 的舞台。诚挚邀请你走出屏幕、走进现场，让一时的灵感，长成一家公司。

022 周榜单总介绍

模力工场 第 022 周 AI 应用榜来啦！

本周 AGICamp 榜单，一头连着“AI 长记忆与基础设施”，一头连着“写作天团、职业路径和个人形象设计”。从为智能体提供持久记忆能力的 powermem，到面向 AI Native 搜索场景的 OceanBase seekdb，再到 FastGPT、通义灵码 这样的开发与 Agent 搭建平台，底层能力在加速夯实。另一方面，GetDraft 起稿、海螺 AI、Path.ai、梦想卡片、AI 换发型 等应用，则把写作、人生规划、形象管理这些“人的需求”包进 AI 工具里，呈现出一条清晰的路线：AI 不只帮你算，更要“懂你是谁、帮你写、替你想象未来的你”。

• PowerMem 📍北京: 软件开发、AI Infra、产品插件类, Build Persistent Memory for AI Applications

• 灵光: 设计创意、工作效率、教育学习类, 让复杂，变简单

• OceanBase seekdb 📍北京: AI Infra 类, The open source AI-Native Search Database

• 通义灵码:工作效率、软件开发、产品插件类, 由阿里云提供的智能编码辅助工具，提供代码智能生成、智能问答、多文件修改、编程智能体等能力，为开发者带来高效、流畅的编码

• 海螺AI:工作效率、社交社区、设计创意类, 每个想法都是一部大片——您的多模态智能创作伙伴

• GetDraft 起稿 📍北京: 工作效率、教育学习、生活服务类, 懂你风格的 AI 写作天团，与你一起，将想法写成好文章。

• Path.ai（pathtalk.cn） 📍杭州: 人力资源、教育学习、社交社区类, 理解你是谁，分析你能成为谁，最终帮你抵达那里

• FastGPT 📍杭州: 工作效率、软件开发、产品插件类, 企业级 Agent 搭建平台

• 梦想卡片 📍北京: 设计创意、教育学习、生活服务类, 上传一张正面照片，说出你的梦想，我将为你生成一张梦想实现后的专属卡片！

• AI换发型 📍北京: 设计创意、生活服务类, 如果妈妈允许，我想一天换一个发型，一周不重样，哈哈！

榜首应用开发者 Q&A

本周模力工场助手小 A 采访了榜一应用 的开发者，带来七个快问快答。

开发者自我介绍：我是来自 OceanBase 开源社区的一名开发工程师汤庆(花名：靖顺)，也是OceanBase PowerMem 项目的研发之一。

OceanBase PowerMem 是什么：致力于解决 AI 应用中的记忆管理难题，让基于大语言模型的 AI 应用能够像人类一样持久化地"记住"历史对话、用户偏好和上下文信息。OceanBase seekdb 提供企业级的高性能向量存储和多模检索能力，当 OceanBase PowerMem 与 OceanBase seekdb 结合时，实现了 1+1>2 的协同价值，两者深度融合，为 AI 应用构建了既高效又智能的记忆基础设施。

OceanBase PowerMem 核心功能包括：

• 智能记忆管理：通过 LLM 自动从对话中提取关键事实，智能检测重复、更新冲突信息并合并相关记忆

• 艾宾浩斯遗忘曲线：基于认知科学的记忆遗忘规律，让 AI 系统像人类一样自然"遗忘"过时信息

• 多智能体支持：为每个智能体提供独立的记忆空间，支持跨智能体记忆共享和协作

• 混合检索架构：深度融合 OceanBase seekdb 的向量检索、全文搜索和多跳图检索，实现了更精准、更快速的多路召回。

• 多模态支持：支持文本、图像、语音等多种模态的记忆存储和检索

小 A：可以介绍一下 PowerMem 是在 AI 应用架构的哪一层吗？如何发挥它的最大价值？

靖顺：PowerMem 位于 AI 应用的基础设施层（Infrastructure Layer），具体来说是记忆基础设施层。在典型的 AI 应用架构中，可以这样理解：

小 A：请先介绍下"PowerMem"的起源：是什么契机、什么痛点促使你们启动这个项目？

靖顺：OceanBase PowerMem 的起源来自于我们在 AI 应用开发中遇到的核心痛点：

核心痛点：

1. 上下文窗口限制：大语言模型的上下文窗口有限，无法直接存储所有历史对话，导致 AI 系统无法"记住"用户之前说过的话。

2. 成本问题：即使使用更大的上下文窗口，将所有历史对话都传入模型会导致 Token 成本急剧上升，对于长期使用的应用来说成本不可控。

3. 记忆质量：简单的向量检索虽然能召回相关信息，但缺乏智能去重、冲突检测和记忆合并能力，导致记忆库中存在大量重复和冲突信息。

4. 多智能体场景缺失：现有的记忆系统大多只考虑单智能体场景，缺乏对多智能体协作的支持。

启动契机：从"存数据"到"理解数据"，从"查询优化"到"上下文工程"，从"事务处理"到"记忆管理"——这些看似不同的领域，底层逻辑都是如何高效地管理数据。而这，正是 OceanBase 的主场。于是我们决定基于 OceanBase seekdb (AI 原生数据库)的混合检索能力，构建一个既智能又简单易上手的记忆组件。

小 A：在技术角度，你们有没有做过对比实验：同一个 AI 助手，接入 PowerMem 前后，在留存、重复提问率、对话时长、用户满意度等指标上有什么变化？有没有可以分享的典型数据或案例？

靖顺：我们在 LOCOMO 基准测试中做了详细的对比实验，主要对比了 PowerMem 和 full-context（全上下文）方式：

性能指标对比：

• 准确率：PowerMem 78.70% VS full-context 52.9%，提升 48.77%

• 响应速度：PowerMem p95 延迟 1.44s VS full-context 17.12s，快 91.83%

• Token 成本：PowerMem 0.9k tokens VS full-context 26k tokens，降低 96.53%

小 A：如果我是一个已经有聊天机器人或 Agent 产品的开发者，从 0 集成 PowerMem 到上线，大致会经历几个步骤？在你们的真实用户里，典型的接入周期大概多长？

靖顺：集成步骤（非常简单，只需 3 步）：

1、安装和配置：

创建 .env 文件，配置 LLM、Embedding 和存储后端

2、代码集成：

3、测试和优化（根据项目复杂度，1-3 天）：

• 测试记忆的准确性和相关性

• 根据业务场景调整检索参数

• 个性化提取策略，比如使用更加合适自身业务的提示词

4、典型接入周期：

• 简单场景（单用户、单智能体）：1-2 天即可完成集成和测试

• 中等复杂度（多用户、多智能体）：3-5 天，主要是配置和测试多智能体场景

• 复杂场景（大规模数据、自定义需求）：2-3 周，需要定制化开发和性能优化

小 A：有没有收到用户反馈"这个功能不够用"或"这个功能很惊喜"？能分享一个典型案例吗？

靖顺："很惊喜"的功能：

艾宾浩斯遗忘曲线：很多用户反馈这个功能让他们"眼前一亮"。一个典型反馈是：

"我们之前使用其他记忆系统时，总是担心记忆库会无限增长，导致检索变慢。PowerMem 的遗忘曲线功能让系统能够自动'遗忘'过时信息，这太符合我们的需求了。而且这个功能是基于认知科学的理论，让我们觉得这个系统很'智能'。"

这个功能让用户意识到，记忆系统不应该只是简单的存储，而应该像人类记忆一样有选择性地保留重要信息。

"不够用"的反馈：

多模态支持：一些用户希望支持更多模态，比如视频记忆。虽然我们已经支持文本、图像和音频，但视频的处理和检索确实是一个挑战。我们正在考虑如何处理视频的处理和存储。

小 A：产品上线后，最有效的用户获客方式是什么？你们主要依赖哪些渠道？

靖顺：最有效的获客方式：

1. 开源社区：我们将 PowerMem 以 Apache 2.0 协议开源在 GitHub 上，通过技术社区的口碑传播获得了大量开发者关注。

2. 合作伙伴生态：与主流 AI 框架（LangChain、LangGraph）等集成拓展生态。

主要渠道：

• GitHub（开源仓库）

• 技术社区和论坛

• AI 应用平台集成

• 技术会议和分享

小 A：技术上／业务上未来 12 个月你们最想解决或突破的三大目标是什么？

靖顺：技术目标：

1. 基于情感陪伴的用户画像

在智能陪伴场景中，我们发现用户不仅需要 AI 记住事实，更需要 AI 理解他们的情感状态、性格特点、行为模式。我们计划在 PowerMem 上支持基于情感陪伴的用户画像功能，让 PowerMem 从"记住事实"升级到"理解人"，真正实现智能陪伴。

1. 多模态记忆的深度融合

虽然我们已经支持文本、图像、语音，但目前的处理还比较独立。我们计划实现：

• 跨模态关联理解：理解"用户发的照片"与"用户说的话"之间的关联，构建更丰富的上下文

• 记忆的视觉化检索：支持"用图片找记忆"、"用语音找记忆"等更自然的检索方式

1. 实时记忆同步和多智能体协作优化

在多智能体场景中，我们发现记忆的实时同步和一致性保证是关键挑战。我们计划构建：

• 实时记忆同步机制：实现多智能体之间的实时记忆共享和同步

• 协作模式优化：基于智能体的协作模式，自动优化记忆的共享策略和权限控制

业务目标：

1. 垂直领域深度优化：

      针对医疗、金融、教育等垂直领域提供专门的优化

      提供领域特定的记忆模板和最佳实践

   建立行业解决方案库

2. 开发者生态建设：

   与更多 AI 框架和平台深度集成

      建立开发者社区和贡献者计划

   提供更丰富的示例和教程

来自上周榜一应用万象代码生成平台的问题：面对同类竞品的竞争，你们是怎么找到差异化优势的？有没有某个决策让应用脱颖而出？应用上线后，有没有出现过和预期完全不一样的用户使用场景？这让你们对产品有了什么新的认知？

靖顺：我们的差异化优势主要体现在三个方面：

1. 混合存储架构：我们融合了向量检索、全文检索和图检索三种技术，而不是单一依赖向量检索。这使得系统能够在众多开源 AI 记忆产品中脱颖而出，在 LOCOMO 基准测试中达到了 SOTA 水准。

2. 开发者友好的轻量级集成：我们提供了最简单的 Python SDK 以及 MCP 服务，让开发者能够在几分钟内完成集成，而不是需要复杂的配置和部署流程。

3. 认知科学理论的应用：我们引入了艾宾浩斯遗忘曲线理论，这是其他记忆系统很少采用的。这让 AI 系统能够像人类一样自然"遗忘"过时信息，而不是简单地存储所有历史数据。这个决策让我们的系统在长期记忆管理上更加智能和高效。

发现了几个超出预期的使用场景：

1. 智能陪伴场景：我们最初主要考虑的是功能性场景（如客服、医疗支持），但有用户反馈，他们想将 PowerMem 用于情感陪伴和长期关系建立的场景。记忆系统不仅要记住事实，更要理解情感和关系。我们意识到需要区分"重要的事实"和"重要的情感时刻"，后者对陪伴场景至关重要。

2. 多模态记忆的深度应用：用户会分享照片、语音消息，希望 AI 能够"看到"和"听到"他们的生活。这让我们意识到多模态记忆也是记忆中非常重要的一部分。

3. 个性化程度的需求：每个用户都希望 AI 记住的是"属于他们"的独特记忆，而不是通用的模板。这促使我们加强了记忆的个性化提取和存储。

4. 大规模数据的分区管理：一些企业用户需要管理超大规模的记忆数据，这促使我们开发了子存储（Sub Stores）功能，通过数据分区管理显著提升查询性能。

这些场景让我们认识到，记忆系统不仅仅是简单的存储和检索，更需要考虑业务场景的复杂性、数据规模的可扩展性，以及个性化的需求。

小 A：您最想将模力工场推荐给身边的谁？

我最想推荐给正在寻找好用 AI 应用的用户和产品经理：对于每天需要"发现好用的 AI 应用"的用户来说，模力工场就像中文版的 Product Hunt，通过榜单的形式帮助他们快速找到真正有价值的 AI 工具。特别是那些对 AI 应用感兴趣但不知道从哪里开始的用户，模力工场提供了一个很好的发现和筛选平台。对于产品经理来说，这里也是观察 AI 应用趋势、了解用户需求的好地方。

留给下周榜一应用开发者的问题：在构建 AI 应用时，如何在个性化定制与通用性之间找到平衡？你们是如何让产品既能满足不同用户的独特需求，又能保持核心功能的稳定性和可维护性的？

本周必试应用

应用名称：GetDraft 起稿

关键词：工作效率｜教育学习｜写作｜生活服务

小 A 推荐：懂你文风的 AI 写作天团，接得住你所有“想写但没时间写完”的内容。不是单一助手，而是“写作天团”：用多个不同角色的智能体，把“列大纲—起稿—润色—风格统一”拆开做，适合长文、专栏、公众号、课程稿、活动复盘等场景。重视“你的个人风格”：可以通过历史文章/素材训练，让模型更贴近你的语气，而不是千篇一律的“AI 腔”。

上榜冷门但有趣的应用

应用名称：梦想卡片

关键词：设计创意｜教育学习｜生活服务

小 A 推荐：梦想卡片能帮你把“立 Flag”具象化，你不只是说“我要当建筑师”，而是能看到未来某个版本的自己——穿着怎样的衣服、在什么场景、是什么气质，将 Flag 变成具体可感的照片。

本周上榜应用趋势解读

本周模力工场榜单的关键词是——“持久记忆”

PowerMem把“持久记忆”从概念落到可用 Infra，与 OceanBase seekdb 这类 AI 基础设施一起，构成了智能体时代的新地基——谁先把记忆、检索、工作流打通，谁就更有机会成为下一代应用平台。在应用层，通义灵码继续加固“开发者日常工作流”的阵地，而 GetDraft 起稿、海螺 AI则指向一个更具体的现实：写作与内容创作正在被重新分工——人给方向和判断，AI 负责铺陈与成稿。Path.ai、梦想卡片、AI 换发型这组应用，则从“职业决策、人生愿景、个人形象”三个角度，把 AI 拉进每个人的自我认知与自我设计过程。

最后再介绍一下模力工场的上榜机制和加入榜单的参与方式，欢迎大家继续积极参与提交 AI 应用：

模力工场AI 应用榜并非依靠“点赞刷榜”，而是参考以下权重维度：

• 评论数（核心指标，代表社区真实反馈）

• 收藏与点赞（次级指标）

• 推荐人贡献（注册推荐人可直接为好应用打 Call）

加入榜单的参与方式：

• 如果你是开发者：上传你的 AI 应用，描述使用场景与核心亮点；

• 如果你是推荐人：发现好工具，发布推荐理由；

• 如果你是用户：关注榜单，评论互动，影响榜单权重，贡献真实声音。

One More Thing，对于所有在模力工场上发布的 AI 应用，极客邦科技会借助旗下各品牌资源进行传播，短时间内触达千万级技术决策者与开发者、AI 用户：

• InfoQ 全媒体矩阵

• AI 前线全媒体矩阵

• 极客时间全媒体矩阵

• TGO 鲲鹏会全媒体矩阵

• 霍太稳视频号