#ai-companion
-
让 AI 伴侣回复更像人的三个杠杆
为每个任务选择合适的模型，让模型判断何时行动，再打磨它生成的内容：这是我们提升对话质量时拉动的三个彼此独立的杠杆，以及把它们串起来的一条规则。
-
过度拒绝税：为什么"安全"的 LLM 会悄悄丢掉你的数据
在 memory/extraction pipeline 里，过度谨慎的模型不会大声拒绝——它会默默丢掉那些敏感但真实的事实。为什么会这样，中性对齐模型加上解除职责的 prompt 如何修好它，以及那个没人预料到的成本真相。
-
eros-engine 记忆机制升级 — 给画像装上分类抽屉
昨天那篇文章里的 schema 写了一列 `category` 但代码里其实没人填它。这篇是 PR
-
pgvector + Voyage 做 AI 伴侣记忆 — 比 Mem0 省 5 倍 RAM
我们怎么用 Postgres + pgvector + Voyage embedding 跑 AI 伴侣记忆层，以及为什么砍掉 Mem0 sidecar 之后引擎稳态内存掉到原来的 1/5。包含具体 schema、Rust 写入 / 检索 loop、以及在 shared-cpu-1x 自托管的部署算账。
-
为什么 AI 伴侣产品不需要通用记忆层
我们在 eros-engine 里从 Mem0 迁移到 pgvector + Voyage。这篇复盘解释：AI 伴侣需要的不是通用 facts store，而是围绕 persona 关系建模的记忆系统。