核心定位
M2Wise 是一款面向 AI 伴侣机器人的记忆-智慧演化引擎，专注于解决长期记忆管理与个性化智慧生成两大核心问题。其设计理念借鉴人类认知模式——经历（记忆）→ 反思（睡眠期提取）→ 顿悟（梦境期验证发布），构建了三阶段演化闭环。
核心用法
记忆子系统 从对话中自动提取四类结构化信息：显性偏好（Preference）、客观事实（Fact）、用户承诺（Commitment）以及情感轨迹（Affective Trace）。智慧子系统 则将记忆聚类升华为可执行策略，通过反例挖掘界定边界条件，并基于命中率实现自我进化。
典型工作流：在线对话 → 睡眠期批量提取记忆 → 梦境期验证并发布智慧。开发者可通过 add() 注入对话、search() 检索相关上下文、sleep() 与 dream() 触发演化周期。
显著优点
1. 认知架构创新：三阶段模型（Online-Sleep-Dream）首次将神经科学的睡眠记忆巩固机制工程化
2. 工程成熟度：提供 mem0/Letta/Anthropic 多格式适配，LRU+TTL 缓存带来约 300 倍加速
3. 可验证性：智慧策略带版本控制与置信度追踪，支持 A/B 效果评估
4. 轻量易用：Python 原生，Apache-2.0 开源，单 pip 命令部署
潜在局限
- 依赖对话质量，对短对话或低信息密度场景提取效率下降
- 反例挖掘的边界覆盖度取决于历史数据多样性
- 多用户隔离需显式传入 user_id，误用可能导致隐私交叉
- 梦境期的验证机制黑盒化，高敏感场景建议人工复核
适合人群
AI 伴侣/情感陪伴机器人开发者、个性化助手构建者、用户画像系统工程师，以及探索 LLM 长期记忆机制的研究者。
常规风险
数据合规：长期存储用户对话需满足 GDPR/个保法要求，建议配置数据保留策略。隐私隔离：user_id 是安全边界，共享实例时务必校验隔离逻辑。智慧漂移：自进化机制可能导致策略偏离初始设计目标，关键决策建议保留人工审核节点。