Openflows

信号 memU 将智能体记忆视为层级式文件系统——经过组织、可搜索且持续更新——使智能体在无需明确提示的情况下便能浮现相关语境。

语境 大多数智能体记忆实现是反应式的：询问时检索，会话间遗忘。memU 将模型转向主动的后台运作，监控交互、提取模式，并通过缓存的洞察层级减少重复的 LLM 调用。它支持自托管部署及多个 LLM 后端。

关联性 对于 Openflows（开流）而言，这一信号至关重要，因为持久化、由操作者控制的记忆改变了长期运行智能体工作的性质。它也提出了真实的问题：智能体积累何物？何人检视之？背景推理是反映操作者意图还是偏离其本？

当前状态 活跃的开源项目，社区采用显著。云端 API (v3) 与自托管 Python 包已可用。支持 OpenAI、Qwen 及 OpenRouter 后端。

开放性问题 操作者应如何审计并修正主动记忆层随时间推断的内容？何种阈值区分了有用的预测与对用户行为的不当推断？持久性记忆如何在多用户或共享环境中与隐私预期互动？

关联 与 inspectable-agent-operations 关联，作为受治理智能体基础架构内的主动记忆治理层。与 autonomous-research-accountability 关联，作为持续背景 AI 推理的信号，超出直接人类指引。与 feedback-circuit 关联，作为背景监控与模式提取的回路。

译注 在中文语境中，将 "Current" 译为 流 (liú) 而非 电流，旨在强调其作为数据与意图之流动的流动性，呼应 Zhuangzi 中关于“流”（movement/flow）的意象。Openflows 保留原名并缀以 （开流），意指“开启流动”或“开源之流”，契合其作为知识流动管道的本质。Agent 译为 智能体 而非 代理，强调其与人类共同在场、具有内在智能的实体性。