Mnexium AI
Mnexium · 聊天機器人
Mnexium AI 是一套 AI 記憶基礎架構平台，只要約兩行程式碼，就能為 AI 應用程式與代理加上持久記憶。把它想成一款 AI 記憶 API 就對了。它介於你的應用程式與模型之間，然後在每一次請求中注入聊天紀錄、AI 代理的長期記憶與結構化情境。它透過單一端點與 OpenAI、Anthropic 及 Gemini 模型搭配運作。
關於 Mnexium AI
什麼是 Mnexium AI
Mnexium AI 是 LLM 應用程式與代理的記憶層。多數 AI 產品在工作階段結束後就忘光一切。每一段新對話都從零開始。Mnexium 解決了這個問題：它儲存代理對某位使用者學到的內容，並在之後的請求中回饋出去，你不需要自行架設資料庫與調度堆疊。它是 LLM 應用程式的持久記憶，以服務的形式封裝。
平台把情境拆成四套系統：目前對話的聊天紀錄、關於某位使用者的長期事實的代理記憶、多步驟任務進度的代理狀態，以及像工單或帳戶這類受結構定義支援的實體所用的記錄。你用 history: true 或 recall: true 這類旗標啟用每一套，Mnexium 便為模型組出最終的提示詞。
主要限制在於 Mnexium 面向開發者。沒有拖放式建構工具。也沒有給非程式人員用的聊天介面。你得習慣編輯程式碼並接上 API 金鑰，而且價格隨用量增加，在高流量應用程式上可能推高成本。
開始使用
- 在 Mnexium 網站註冊，或從免費方案起步，基本 API 測試不需要註冊。
- 安裝用戶端函式庫，Node.js 用
npm install @mnexium/sdk，Python 用pip install mnexium。 - 初始化用戶端，並在用戶端層級設定一次學習、召回與紀錄選項。
- 為每位使用者建立一個主體，然後在請求中呼叫
process()，讓 Mnexium 自動組出記憶與情境。 - 開啟日誌與召回事件，查看某次請求究竟儲存與注入了哪些記憶。
產品資訊
快速了解 Mnexium AI 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 打造第一款 AI 助理的獨立開發者：免費方案涵蓋約 100 位使用者與每月 10,000 次請求，足以推出可用的原型而不必付費。
- 讓應用程式進入正式營運的小型產品團隊：每月 29 美元的 Builder 方案能處理數千位使用者與每月 250,000 次請求，讓你上線時不必架設資料庫。
- 高流量平台的工程主管：每月 149 美元的 Growth 方案支撐 200 萬次請求的穩定流量，並在記憶操作激增時提供優先支援。
任務
- 讓聊天機器人記得過往對話：Mnexium 會依使用者擷取事實與偏好，並在下一段工作階段中召回。
- 接續多步驟的代理工作流程：代理狀態追蹤任務進度與待辦動作，讓被打斷的工作能從中斷處繼續。
- 在 AI 應用程式內管理結構化資料：記錄儲存像帳戶或工單這類受結構定義支援的實體，並在自由形式的記憶之外支援搜尋與更新。
情境
- 記得客戶先前工單的支援機器人：記錄與記憶相互搭配，讓代理帶著情境問候客戶，而不是從空白開始。
- 記得開發者技術堆疊與偏好的程式開發助理：儲存的事實會跨對話延續，甚至跨模型供應商。
- 換掉模型堆疊：在 OpenAI、Anthropic 與 Gemini 之間切換的團隊，只要 subject_id 維持不變，就能保有相同的記憶。
主要功能
兩行程式碼就能擁有持久記憶
Mnexium 的設計是嵌進既有應用程式，而非取而代之。你在 cURL 或 HTTP 呼叫中加上一個 mnx 物件，或使用 Node.js 與 Python 的官方 SDK。就這樣。這個小小的改動就開啟長期記憶，讓你的 LLM 應用程式跨工作階段記得使用者，不必自建向量資料庫。
四套情境管理系統
平台把情境分成聊天紀錄、代理記憶、代理狀態與記錄。每一套各自獨立運作。它是一款情境管理 API，讓你能維持工作階段層級的連貫性而不碰長期記憶，也能儲存任務狀態而不汙染使用者事實。把它們分開，正是同一套 API 能同時服務個人化聊天與確定性資料工作流程的關鍵。
從設計上就與模型無關
Mnexium 會路由到 OpenAI 的 Chat Completions 與 Responses API、Anthropic，以及 Google 的 Gemini，不會把你綁在單一供應商。只要維持相同的 subject_id，記憶與記錄就能跨供應商取用。想換模型隨時換。代理的記憶不會重置。
自動擷取事實與記錄
設定 learn: true 後，平台會自行從對話中抽出事實與偏好。記錄走得更遠：把 records.learn 設為 auto 或 force，Mnexium 便會從對話中擷取結構化實體。這代表你不必自己寫擷取提示詞，就能得到乾淨的資料。
確定性的提示詞組裝
每次請求都經過固定的組裝順序：系統提示詞、代理狀態、記憶、記錄、聊天紀錄，最後是你的訊息。因為順序可預測，你能確切推斷模型看到了什麼。日誌、追蹤與召回事件會顯示注入了什麼與原因，讓除錯遠比憑空猜測容易。
內建可觀測性
Mnexium 在每個步驟都公開日誌與召回事件。你能檢視取回了哪些記憶、更新了哪些記錄，以及模型收到了什麼提示詞。對於推出 AI 記憶功能的團隊而言，這份可視性就是順利上線與盲目上線之間的差別。
優缺點
優點
- 只要小小的程式碼改動就能有持久記憶，不必整個重寫。
- 單一套 API 涵蓋 OpenAI、Anthropic 與 Gemini，換模型不會重置記憶。
- 免費方案確實可用，基本 API 存取甚至不需註冊。
- 記錄與代理狀態涵蓋純向量記憶無法處理的結構化工作流程。
- 日誌與召回事件清楚呈現模型實際看到了什麼。
缺點
- 沒有視覺化建構工具，非程式人員若身邊沒有開發者就無法使用。
- 成本隨請求與記憶操作增加，在大型應用程式上會累積。
- 把產品記憶綁在第三方 API 上，代表你的技術堆疊多了一層相依。
常見問題
Mnexium 為 AI 應用程式與代理加上記憶與情境。你的應用程式送出帶有幾個 mnx 選項的一般 API 請求，Mnexium 便取回紀錄、長期記憶、代理狀態與記錄，再為模型組出更豐富的提示詞。
相關內容
探索與 Mnexium AI 相關的工具、技能與文章。
Mnexium AI 替代方案
Griffin by Tavus
Tavus · 語音與語言 · 影片 · 聊天機器人Griffin by Tavus 是第一個稱為人類互動模型的系統，採全雙工、影片對影片架構，在 AI 視訊通話中即時觀察、聆聽並回應。
Claude Haiku 5.5
Anthropic · 寫作 · 程式設計 · 聊天機器人Claude Haiku 5.5 是 Anthropic 最快也最便宜的小型模型，每百萬輸入詞元 0.10 美元，上下文視窗達 100 萬詞元。
Wabi
Wabi, Inc. · 生產力 · AI 助理 · 聊天機器人Wabi 是長得像通訊軟體的個人 AI 助理，支援 iOS、Android 與 Mac。它把生活拆成一個個共享對話串，在串裡生成小工具，並在你點頭後處理信件、行事曆與雜事。